基于融合颜色信息与深度信息的区域生长算法的物体定位

龙源期刊网 http://www.qikan.com.cn

基于融合颜色信息与深度信息的区域生长算法的物体定位

作者：于越

来源：《数字技术与应用》2018年第01期

摘要：区域生长算法（Region seeds growing， RSG）一般可以通过以下方法实现，输入图像中属于目标物体的一个或多个种子点（seed point）或者一个或多个种子区域，再以该种子点（或区域）为起点，考察邻域像素点，并依照一定的准则将符合要求的邻域点添加进生长区域中，最后将目标物体在图像中呈现的所有像素点结合成一个连通的区域。 关键词：图像分割；物体定位；区域生长算法

中图分类号：TP391 文献标识码：A 文章编号：1007-9416（2018）01-0140-01

Kinect感应器可以同时获取色彩与深度信息，本文将结合两种信息进行图像分割以实现物体定位。融合颜色信息与深度信息的区域生长算法进行物体定位的的思路可以总结出三个关键点，依次为种子点选取、生长准则设定以及生长终止条件设定。区域生长算法的固有缺点是会造成过分割，因此需要对具体问题做具体分析。本文在图像分割过程中采用区域生长算法并尽可能利用彩色信息与深度信息针对其三个关键点进行具体应用与优化。 1 种子点自动选择

区域生长的第一步是确定种子点的位置以及种子点的特征，根据自动分割的要求，需要实现种子点的自动选择。针对待抓取物体统一为同一种木头材质的特点，第一反应是通过比较颜色模板，甚至可以直接进行阈值分割，但那样显然太过简单和粗糙：一是不精确；二是不可扩展与优化，不能推广至其他物体的识别；三是不能适应较复杂图像的分割要求。在不同光照环境下得到的图像中，同一物体的色彩是有比较大的区分的，因此希望寻找一种方式表达颜色，能够将同一材质物体的颜色与光照条件区分开。经过对颜色的表达方法的学习，发现HSV颜色空间下颜色的色调可以更好的表示颜色的特征，其中，H代表色调（Hue），S代表饱和度（Saturation），V代表明度（Value）。HSV六角椎体模型表示颜色的示意图如下： 因此，选取种子点前需要先将经过空间变换后的彩色图像由RGB三通道表示转换为由HSV空间下的三通道表示，其计算方式如图1： （1） （2） （3）

百度搜索“77cn”或“免费范文网”即可找到本站免费阅读全部范文。收藏本站方便下次阅读，免费范文网，提供经典小说综合文库基于融合颜色信息与深度信息的区域生长算法的物体定位在线全文阅读。