面向工业视觉测量的图像分割及其分割评价方法研究

图像分割是工业视觉测量中最基本的也是最重要的学术难题，是成功进行图像分析、理解与客观描述的前提条件。本项目在深入分析视觉图像特点的基础上，根据图像分割在具体方法选择、参数设定、复杂边界跟踪、色彩空间信息融合方面存在的难题，研究基于高阶统计与视觉感知的图像统计分布建模方法；提出基于视觉图像统计分布特征的分割算法自动选择方法和算法参数自设定准则；融合图像色彩空间信息、多尺度几何信息等视觉特征参数，实现视觉图像中表面复杂多变、边缘严重不规则的复杂目标区域边界的精确提取；研究无监督的图像分割评价方法，为工业视觉图像分割提供客观的评价准则与有效的评估方案；通过对分割结果的有效评价，实时修正图像分割算法参数，获得与人类视觉相一致的目标区域最佳分割效果，形成较为系统的图像分割算法自动选择与客观评价理论与方法。

图像分割是计算机视觉中一个长盛不衰的研究课题。有效的图像分割是成功进行图像分析、理解与客观描述的关键技术和必要的前提条件。本项目针对工业视觉监控中，待监测目标形态多样，受环境光照、粉尘等各种不利因素的影响，实际工业视觉系统在进行图像分割时，存在分割算法选择、参数设定、复杂边界跟踪、色彩空间信息融合中的一些科学难题，深入分析视觉图像的特点，通过研究基于图像统计分布特性的图像分割方法和图像分割结果智能评价方法，获得与人类视觉相一致的目标区域最佳分割效果，为图像分割算法自动选择与算法最优参数自动设定以及分割性能智能评价提供理论支撑。经过四年的努力，项目组主要研究了视觉图像灰度空间和彩色空间结构统计分布建模方法，建立了图像空间结构的统计分布模型；基于图像空间结构的统计分布特性，对图像分割结果进行主动评价；根据评价结果实现图像分割算法的参数修正或者结果补偿，实现了复杂细微边缘的有效跟踪与提取；圆满完成了项目计划书中的研究计划。所建立的图像统计分布模型还推广应用到了图像去噪、图像分类识别等相关图像处理和分析领域，取得较好的应用效果。