文件名称：基于超像素粒化与同质图像粒聚类的矿井人员图像分割方法-论文
文件大小：17.56MB
文件格式：PDF
更新时间：2024-07-28 02:27:47
矿井人员 图像分割 超像素粒化 同质图像粒 精英人员超像素
矿井人员图像分割是实现煤矿井下人员检测、行为识别、视频定位跟踪等技术的重要任务之一。然而，由于矿井下环境特殊，常规图像分割方法均难以满足对井下人员的准确分割要求。为解决矿井人员图像的分割问题，提出一种基于超像素粒化及同质图像粒聚类的分割方法，能够适用于煤矿井下多种场景的人员图像。首先，使用简单线性迭代聚类(Simple Linear Iterative Clustering，SLIC)模型将井下人员图像初始分割为超像素单元，并通过测量离线样本图像中所标记人员像素点与超像素之间的RGB相似度值判定人员超像素。其次,由邻居超像素辅助检测欠分割人员超像素并将其彻底分割为2个子超像素单元，选择其中之一的精英人员超像素并提取其纹理和灰度特征。接着,将具有最相似图像特征的邻接精英人员超像素定义为同质图像粒，同质图像粒相互融合并聚类形成具有特定语义信息的同质人员区域。最后，由所有同质人员区域共同构成完整的人员区域，并实现人员区域与图像背景的分离。通过对煤矿井下4种场景下的人员图像进行算法性能验证，实验结果表明:超像素粒化算法的F-Measure值分别较对比算法平均值高出2.11%，3.36%，13.