(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210479919.8 (22)申请日 2022.05.05 (71)申请人 长安大学 地址 710064 陕西省西安市雁塔区二环南 路中段126号 (72)发明人 丛铭　韩玲　崔建军　陈斯亮　 席江波　顾俊凯　张庆芳　 (74)专利代理 机构 西安恒泰知识产权代理事务 所 61216 专利代理师 史玫 (51)Int.Cl. G06T 7/12(2017.01) G06T 7/13(2017.01) G06K 9/62(2022.01) G06V 10/762(2022.01)G06V 10/82(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种目标边缘提取方法、 图像 分割方法及系 统 (57)摘要 本发明属于图像处理技术领域， 具体涉及一 种目标边缘提取方法、 图像分割方法及系统。 所 述目标边缘提取方法通过构建基于边缘查找的 无监督粗略分割方法模拟视觉的工作记忆原理， 进行场景的整体认知， 获取大面积目标的准确边 缘。 所述图像 分割方法是基于目标提取方法和分 割神经网络， 模拟视觉注意对场景进行细致观 察， 得到小面积的细节； 最后根据视觉表现出的 推理能力， 结合粗略分割中的准确边缘生成分割 结果。 本发 明在模拟视觉推理分别认知地面场景 整体与细 节的基础上， 进行整体信息与细节信息 的相互补充与相互修正， 实施噪声去除、 错误修 复， 从而有效提高图像分割的精度。 权利要求书2页 说明书5页 附图3页 CN 114862883 A 2022.08.05 CN 114862883 A 1.一种目标边缘提取方法， 方法是在原始图像中提取目标的边缘， 其特征在于， 所述方 法包括： Step1.1， 对原始图像建立影像金字塔， 得到包含n层信息的图像金字塔； 其 中任意一层 表示为Imgi， i＝1,2,...,n； n≥2； Step1.2， 对图像金字塔进行边缘提取得到边缘金字塔， 其中任意一层Imgi的边缘为 Edi， i＝1,2,...,n； Step1.3， 将边缘金字塔中的每一层大小调整为原始图像的大小， 调整大小后的任意一 层为Uedi， i＝1,2,...,n； Step1.4， 对Step1.3处理后的每一层进行二值化处理， 任 意一层Uedi中像素灰度小于阈 值Ed_thdi的赋值为0， Uedi中像素灰度大于等于阈值Ed_thdi的赋值为1， 得到任意一层Uedi 的二值化层Bedi， 其中Ed_t hdi＝mean(Uedi)‑std(Uedi)， mean(Uedi)为Uedi中所有像素的均 值， std(Uedi)为Uedi中所有像素的标准差， i ＝1,2,...,n； Step1.5， 对Step1.4得到的所有二值化层进行形态学膨胀， 其中任意二值化层Bedi进行 i‑1次形态学膨胀， 得到相应层的膨胀边 缘Dedi， i＝1,2,...,n； Step1.6， 将所有层的膨胀边 缘进行加 和， 得到累加结果Sed； Step1.7， 将累加结果Sed中区域Ned_area1内的像素灰度赋值为0， 得到边缘图Wed， 所述 区域Ned_area1为Ded1中的像素 灰度为0值的像素构成的区域； Step1.8， 去除边缘图中像素灰度值小于n的像素， 得到清 晰边缘图Aed， 完成对 目标边 缘的提取。 2.如权利要求1所述的目标边缘提取方法， 其特征在于， 所述Step1.1中采用双线性插 值重采样方法对原 始图像建立影 像金字塔。 3.如权利要求1所述的目标边缘提取方法， 其特征在于， 所述Step1.2中采用高斯拉普 拉斯滤波器对图像金字塔进行边 缘提取。 4.如权利要求1所述的目标边缘提取方法， 其特征在于， 所述Step1.3中采用最邻近插 值重采样方法对边 缘金字塔中的每一层大小 进行调整。 5.一种图像分割方法， 其特 征在于， 所述方法包括： 步骤1， 对待分割原始图像Omg进行颜色粗略聚类， 包括： 执行权利要求1 ‑4任一权利要 求所述方法得到原始图像Omg的清晰边缘图； 之后根据清晰边缘图中的边缘信息和原始图 像Omg不同颜色， 对原始图像Omg进行颜色聚类得到粗略聚类结果Rsg， 粗略聚类结果Rsg中 包含清晰边 缘图中各目标的边 缘信息； 利用图像分割神经网络对原 始图像进行分割， 得到分割结果 Nsg； 步骤2， 从分割结果Nsg中选择任意目标Ngc， 根据任意目标Ngc位置找到粗略聚类结果 Rsg中对应的目标 Rgc， 然后目标Rgc的清晰边缘替换分割结果Nsg中目标Ngc的边缘， 完成对 目标Ngc的边 缘修复分割。 6.如权利要求5所述的图像分割方法， 其特征在于， 其特征在于， 所述图像分割神经网 络经初始网络训练后得到， 所述初始网络为MASK ‑RCNN网络、 洗牌神经网络或改进 型的洗牌 神经网络， 所述改进 型的洗牌神经网络是通过对洗牌神经网络中的每个洗牌结构前后分别 加入残差连接， 得到残差 洗牌结构， 之后在各残差 洗牌结构上 连接自注意力模块所 得到。 7.一种图像分割系统， 其特征在于， 包括图像边缘提取模块、 图像分割 模块和边缘替换权　利　要　求　书 1/2 页 2 CN 114862883 A 2模块； 所述图像边缘提取模块用于对待分割原始图像Omg进行颜色粗略聚类， 包括： 权利要求 1‑4任一权利要求所述方法得到原始图像 Omg的清晰边缘图； 之后根据 清晰边缘图中的边缘 信息和原始图像 Omg不同颜色， 对原始图像 Omg进行颜色聚类得到粗略聚类结果 Rsg， 粗略聚 类结果Rsg 中包含清晰边 缘图中各目标的边 缘信息； 所述图像分割模块利用图像分割神经网络对原 始图像进行分割， 得到分割结果 Nsg； 所述边缘替换模块用于从分割结果Nsg中选择任意目标Ngc， 根据任意目标Ngc位置找 到粗略聚类结果Rsg中对应的目标Rgc， 然后目标Rgc的清晰边缘替换分割结果Nsg中目标 Ngc的边缘， 完成对目标Ngc的边 缘修复分割。权　利　要　求　书 2/2 页 3 CN 114862883 A 3