張淑姚 孫婷婷 張路園

摘 要：隨著科技進(jìn)步，圖像處理技術(shù)也在與時(shí)俱進(jìn)。圖像處理技術(shù)由兩部分組成：特征提取和圖像分割。其中，圖像分割中的語(yǔ)義分割是其充滿(mǎn)魅力和挑戰(zhàn)的一部分，它要求給定一張圖片，機(jī)器能自動(dòng)分割并識(shí)別出其中的內(nèi)容，已經(jīng)廣泛應(yīng)用于無(wú)人機(jī)和自動(dòng)駕駛技術(shù)中。本文圍繞圖像處理技術(shù)進(jìn)行探索，主要介紹了圖像處理中特征提取和圖像分割中常用的技術(shù)，基于ORB特征提取技術(shù)和語(yǔ)義分割技術(shù)。

關(guān)鍵詞：特征提??；ORB特征；語(yǔ)義分割；N-Cut技術(shù)；Grab-Cut技術(shù)

1 特征提取

特征是像素梯度變化較大的點(diǎn)，具有尺度不變性、亮度不變性[1]、旋轉(zhuǎn)不變性[2]的特點(diǎn)。特征提取的過(guò)程為特征定位和特征描述，特征定位即識(shí)別出給定圖像中特征所處的位置，用一種特定的方法將特征描述出來(lái)稱(chēng)為特征描述。

ORB特征：ORB方法特征定位用的是oFAST方法，是對(duì)FAST方法的改進(jìn)，改進(jìn)主要有四個(gè)方面：特征計(jì)算的簡(jiǎn)化，非最大值抑制，金字塔，方向。該方法中僅計(jì)算1，5，9，13位置和中心點(diǎn)是否相同，超過(guò)三個(gè)不同就認(rèn)為該區(qū)域內(nèi)有特征。非最大值抑制即選取周?chē)蝗χ泻椭行狞c(diǎn)累計(jì)差距最大的像素點(diǎn)為特征，主要是為了簡(jiǎn)化后續(xù)的計(jì)算。FAST方法并沒(méi)有尺度不變性，oFAST方法加入了金字塔（把一幅圖片不斷的縮小）用來(lái)改善這一缺點(diǎn)，金字塔方法是特征提取當(dāng)中十分常見(jiàn)的解決尺度不變性的方法。oFAST方法把坐標(biāo)系增加了旋轉(zhuǎn)角度很好的解決了FAST方法沒(méi)有旋轉(zhuǎn)不變性的問(wèn)題。

ORB方法特征描述用的是rBRIEF方法，rBRIEF是對(duì)BRIEF的一些改進(jìn)，在特征處提取不同的點(diǎn)對(duì)，點(diǎn)對(duì)是滿(mǎn)足高斯分布的二維隨機(jī)數(shù)。設(shè)定T，A位置的像素比B位置的像素高就置為1，否則為0，所以每個(gè)點(diǎn)對(duì)在每個(gè)特征處對(duì)應(yīng)不同的值，得到一個(gè)矩陣記為M，然后計(jì)算每一列的均值，以均值接近0.5的程度進(jìn)行重新的排序，越接近0.5越靠前。把矩陣M里的第一列放到R矩陣中，然后去算矩陣M第二列和R的相關(guān)系數(shù)，如果相關(guān)系數(shù)小于已經(jīng)設(shè)定好的閾值K，就認(rèn)為矩陣M第二列的數(shù)據(jù)是比較好的，就接受其放入R中，如果大于閾值K就舍棄這一列。以此類(lèi)推，進(jìn)行下一列的判斷。

2 圖像分割

圖像分割作為目前很熱門(mén)的研究領(lǐng)域，[3]應(yīng)用十分廣泛。圖像分割主要操作是把圖像中人們感興趣的、有用的畫(huà)面從整個(gè)圖像中分割出來(lái)，便于之后的圖像分析。圖像分割的方法很多，利用了各種數(shù)學(xué)理論，關(guān)鍵是找出一些特征，按所找特征將圖像分割方法分為閾值分割、邊緣檢測(cè)、區(qū)域分割、直線(xiàn)檢測(cè)等，這幾種方法都有不同的特點(diǎn)和使用范圍，但并沒(méi)有適用于所有圖像的通用方法。

按照分割目的可以分為三種：普通分割、語(yǔ)義分割、實(shí)例分割。其中語(yǔ)義分割較困難，不僅要把不同物體分割開(kāi)，還要指出分割出的每一個(gè)區(qū)域是什么類(lèi)型。

2.1 N-Cut技術(shù)

閾值分割是常見(jiàn)的處理方法，即設(shè)置一個(gè)閾值將灰度差異較大的前景和背景分割開(kāi)，閾值選取是閾值分割的關(guān)鍵，閾值過(guò)低就會(huì)將很多目標(biāo)點(diǎn)歸為前景，反之相反。N-Cut就是閾值分割的一種，現(xiàn)已廣泛應(yīng)用與計(jì)算機(jī)視覺(jué)領(lǐng)域。每次運(yùn)行 N-Cut，只能切割一次圖片，需要多次運(yùn)行才能分割出圖像上的多個(gè)物體。[4]該技術(shù)簡(jiǎn)單且速度快，是較早的圖像分割方法，但在分割時(shí)會(huì)出現(xiàn)很多不理想的情況，如過(guò)分割和前分割。在分割顏色差別大的物體時(shí)，往往會(huì)分割不準(zhǔn)確，導(dǎo)致部分人們感興趣的區(qū)域留在背景中。

2.2 Grab-Cut技術(shù)

該技術(shù)屬于“圖劃分”的分割方法，主要用于圖像編輯中的摳圖，和PS中的套索工具類(lèi)似，是對(duì)Graph-Cut技術(shù)的改進(jìn)，在分割時(shí)使用了人機(jī)交互，需要人為的事先輸入前景點(diǎn)和背景點(diǎn)，隨著迭代次數(shù)的增加，效果會(huì)逐漸變好。但由于需要人工干預(yù)不能實(shí)時(shí)處理導(dǎo)致分割速度慢。如果目標(biāo)圖像和背景顏色差異不大，會(huì)導(dǎo)致分割效果不好，此時(shí)需要手動(dòng)進(jìn)行標(biāo)注，再次運(yùn)算后便能得出更好的結(jié)果。

3 圖像處理技術(shù)

圖像處理技術(shù)是當(dāng)前計(jì)算機(jī)專(zhuān)業(yè)研究的熱門(mén)方向之一，其在航空航天，生物醫(yī)學(xué)，通信工程，機(jī)器視覺(jué)，科學(xué)可視化，電子商務(wù)，工業(yè)工程，軍事安全，文化藝術(shù)等各個(gè)方面都有這廣泛的應(yīng)用前景。目前其常用處理方法眾多，各有特點(diǎn)。文中簡(jiǎn)單介紹了其中常見(jiàn)的幾種方法。未對(duì)當(dāng)前熱門(mén)方法進(jìn)行全面介紹，還應(yīng)繼續(xù)學(xué)習(xí)，了解目前圖形處理技術(shù)的最新動(dòng)態(tài)。

參考文獻(xiàn)：

[1]郭存山.亮度不變性的圖像局部特征描述算法研究[D].安徽大學(xué)，2013.

[2]謝志江，呂波，劉琴，陳平.旋轉(zhuǎn)不變性圖像模板匹配快速算法[J].重慶大學(xué)，2013.

[3]王梅，李玉鑑，全笑梅.圖像分割的圖論方法綜述[J].北京工業(yè)大學(xué)，2014.

[4]羅彤.視覺(jué)感知啟發(fā)的圖像分割系統(tǒng)研究[D].浙江大學(xué)，2008.

作者簡(jiǎn)介：張淑姚（1997-），女，漢族，河北新樂(lè)人，河北農(nóng)業(yè)大學(xué)理工學(xué)院在讀本科；孫婷婷（1988-），女，漢族，河北黃驊人，碩士，河北農(nóng)業(yè)大學(xué)理工學(xué)院講師；張路園（1998-），女，漢族，河北邯鄲人，河北農(nóng)業(yè)大學(xué)理工學(xué)院在讀本科。