结合深度信息的图像分割研究初探

周莲波 胡颖



结合深度信息的图像分割研究初探

周莲波 胡颖

营口职业技术学院，辽宁 营口 115000

图像分割的研究是计算机识别图像信息的基础，也是实现计算机智能化的基础所在，因此其研究意义重大。图像分割的早期算法主要是通过颜色进行区分和分割形成超像素图像，在考虑现实世界的三维特性之后，在原有算法基础上加入深度信息，并利用深度信息修正二维图像分割算法的错误，从而提高图像分割精度。主要步骤分别有图像二维分割、深度超像素图像处理、结果评述与划分错误修正、融合深度信息与二维超像素划分结果并形成最终结果。

深度信息；图像分割；流程；超像素图像

计算机技术的飞速发展推动了整个社会的进步，人类社会的变化速度越来越快，计算机智能化的研究开始进入人们的视野并愈发得到重视，人们试图通过开发计算机主动识别图像信息来赋予计算机足够的智能化能力，而对视觉信息的感知是计算机智能化的第一步，也是最关键的一步，计算机要想实现智能化，就必须确保其能够主动的识别视觉范围内感知到的所有图像信息，并有效的对其进行切割、组织和分析，将其转化为自身所需的信息，当前该技术处于图像分割的研究阶段，这也是其基础研究部分。图像的分割最初是通过识别颜色这一参数特征来完成的，通过识别同类颜色区域并进行区域划分，完成超像素图像的拼接，但实际上这种方法是粗糙的模仿，因为现实世界的分割是无法仅凭借颜色就能够准确的完成的，必须考虑其自身的存在特性。考虑到三维立体空间的空间坐标唯一特性，将深度加入到图像分割的参考因素之中，并将之前的颜色分割视为不考虑深度因素的二维平面切割，这样就可以将最初的研究成果——颜色分割与深度信息融合成一个新的图像分割算法，这种算法既考虑图像的二维特征又考虑其三维立体空间的存在特征，从而提升了图像分割的准确度。

1 深度图像预处理

深度图像是实现深度信息融合图像分割的基础所在，在进行图像分割此之前需要对深度图像进行预处理。

1.1 深度图像概述

深度图像也被称为距离图像，首先具有数字图像的基本性质，即图像由像素按照矩阵形式排列而成，但其呈现的信息与传统的颜色图像完全不同，颜色图像的颜色值表示的是场景的颜色信息，而深度图像的灰度值表示的是场景中物体相对于摄像头的距离。

由于颜色图像描述的是场景的颜色、亮度等信息，易受到光照变化、遮挡等环境因素的影响，具有时变性，在不同时刻相同场景获得的信息可能存在很大不同；深度图像是对场景深度信息的描述，仅与场景中物体的距离即轴方向有关，其灰度值是沿轴方向变化的，相较于颜色图像，不易受光照、环境等因素的影响，具有时不变性。深度信息的引入使得二维图像形成了三维属性，可以让计算机更好的分割形成具有空间属性的信息。

1.2 图像修复技术

图像修复是指利用一定的算法对受到损坏的图像进行重建的技术，这种损坏可以是图像错误，也可以是图像信息的丢失。图像修复是一个不确定问题，修复结果的合理程度取决于视觉系统的接受程度。依据缺损信息数量的多寡可以将图像修复方法主要分为两类：一类是用于修复小尺度缺损的数字图像修补技术。该方法利用被破坏区域边缘的颜色和结构信息来推测被破坏区域内部的像素分布，就其本质来说是利用了像素的传播机制，数学方法上利用偏微分的方法依据正确区域的颜色以及纹理的变化来推测缺损区域的信息；另一类是用于修复大块信息缺失的图像补全技术，目前这一类技术也包含以下两种方法：一种是基于图像分解的修复技术，另一种方法是基于块的纹理合成技术来填充丢失的信息。

2 超像素图像分割意义

计算机处理超像素图像的意义在于将图像转换成计算机和人类都易于理解的信息，因此属于复杂图像简单化处理的一种方式，主要方法是采集图像的各类信息并归纳，将同类信息并处于相近区域的像素划分成一个集合，这种同属性的集合相互无缝拼接形成一个属性变化较大的超像素图像。图像分割算法主要是朝着降低人工处理工作量、提高分割速度、提高适应性、抗干扰能力强等方向发展，其最终目的是实现计算机识别图像与人眼识别图像形成视觉过程相近，从而更好的实现人工智能。

3 结合深度信息的图像分割方法分析

SLIC是图像分割过程中最常用的方式之一，其优势在于对硬件需求低，且运算过程速度快，对前期分析和参数设定的要求并不复杂，可以实现单一参数的超像素图像分割，提前指定好超像素图像的数量即可直接获得接近统一特质的超像素图像。该方法直接采集相似因素的集合并无缝拼接，因此该方法应用比较广泛。但是在实际的应用过程中，SLIC算法还是存在着许多缺点，比如划分区域不精确，受到环境影响较大等等，这些都会导致最终的分割误差增大。

二次分割的结果更加精确。

结合深度信息的图像分割具体流程如下：第一步是图像的处理，首先对颜色图进行SLIC超像素分割，按照其流程完成第一次分割，接着对深度图进行预处理，预处理流程不赘述；第二步是对基于梯度的分割结果进行一个评价，同时改正基于深度划分的错误，最后将二者合并形成结合深度信息的图像分割成果。

4 结语

综上可知，融合深度信息是在常规图像分割技术基础上增加了额外的参数，从而使得图像分割更为精准，提高了其结果的准确度，属于一种综合性的算法，既考虑深度信息也考虑常规的如颜色等参数信息。图像分割技术虽然属于计算机领域的基础技术，但是其技术的发展关系到计算机直接读取视觉信息的可能是否实现，这种视觉感应信息的直接读取直接影响到计算机感知外部环境的方式，一旦实现将极大的推动计算机技术和智能机器人技术的发展，因此我们需要不断的探索图像分割的算法新途径和优化方式，为计算机领域的发展做出自己的贡献。

[1]曾志宏，李建洋，郑汉恒.融合深度信息的视觉注意计算模型[J].计算机工程，2010（20）：200-202.

胡颖（1972—），辽宁，本科，教授，计算机技术、人工智能、虚拟仿真，营口职业技术学院；周莲波（1980—），女，辽宁，本科，讲师，计算机技术、人工智能、虚拟仿真，营口职业技术学院 。

TP391.41

A

1009-6434（2016）01-0029-01