申请/专利权人：中国科学院沈阳自动化研究所;沈阳智能机器人创新中心有限公司;沈阳智能机器人国家研究院有限公司

申请日：2022-02-25

公开（公告）日：2024-04-16

公开（公告）号：CN114627289B

主分类号：G06V10/26

分类号：G06V10/26;G06V10/80;G06V10/50;G06V10/28

优先权：

专利状态码：有效-授权

法律状态：2024.04.16#授权;2022.07.01#实质审查的生效;2022.06.14#公开

摘要：本发明涉及基于投票机制的工业零件实例分割方法。其步骤为：选定三种图像分割方法，即为GraphCut，GrabCut和OneCut；输入待分割工业零件图片后分别初始化GraphCut，GrabCut和OneCut三种图像分割模型的初始参数；根据图像的灰度直方图、RGB三通道高斯混合模型和全图前景和背景的L1‑norm定义能量函数；最小化能量函数，输出三幅分割二值图；基于三幅分割二值图，引入投票机制，对三幅图像的每个像素点进行投票，输出最终分割图。本发明方法在不同工业环境下均能实现对零件精确且稳定的分割，精度高，鲁棒性强；而且，本发明可以直接部署在普通PC机上，无需消耗GPU资源，实现简单，实用性强。

主权项：1.基于投票机制的工业零件实例分割方法，其特征在于，包括以下步骤：步骤1、采集工业零件原始图像；步骤2、基于图像分割方法GraphCut、GrabCut和OneCut构造强分割器对原始图像进行处理，识别前景和背景区域输出三幅二值图像；所述基于图像分割方法GraphCut、GrabCut和OneCut构造强分割器的步骤，包括：步骤21定义能量函数：基于图像的灰度直方图定义GraphCut能量函数EL，基于图像RGB高斯混合模型GMM定义GrabCut能量函数Eα,k,θ,z，基于全图前景和背景的L1-norm定义OneCut能量函数ES，用于衡量图像中前景区域、背景区域和前景和背景交界处的相似性，从而实现图像分割；三种能量函数定义具体如下： 其中，L为图像像素的类别标签，可表示为L＝{l1,l2,...,ln},li∈{0,1}，0表示当前像素属于背景，1表示当前像素属于前景，RL为区域项，BL为边界项，a∈[0,1]为影响因子，表示对能量函数的影响程度；α∈{0,1}，表示是背景模型的GMM分量还是前景模型的GMM分量，k为GMM高斯分量参数，k∈{1,2,...,K}；θ为对应各个像素的GMM参数；Uα,k,θ,z表示区域项，Vα,z表示边界项，z为图像中像素的值；β，λ为可调参数，S表示前景点的集合，θS表示前景点的颜色直方图，表示背景点的颜色直方图，表示区域项，是边界项步骤22初始化三种图分割方法的模型参数，将原始图像中目标前景或背景的像素特征分别输入给三个能量函数；步骤23执行最小化能量函数的计算过程，用于将前景和背景分离；步骤24输出对应的三幅分割二值图；步骤3、基于投票机制逐像素融合优化，制作掩膜图像；步骤4、对原始图像进行掩膜操作，得到工业零件分割图。

全文数据：

权利要求：

百度查询： 中国科学院沈阳自动化研究所;沈阳智能机器人创新中心有限公司;沈阳智能机器人国家研究院有限公司 基于投票机制的工业零件实例分割方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD