專利名稱：多尺度的圖像分割方法
技術(shù)領(lǐng)域：
本發(fā)明涉及計(jì)算機(jī)圖像處理技術(shù)領(lǐng)域，具體地說(shuō)是涉及一種多尺度的圖像分割方法。
背景技術(shù)：
圖像分割是將圖像劃分成若干個(gè)具有特征一致性且互不重疊的圖像區(qū)域的過(guò)程。理想的圖像分割能抽取出和真實(shí)世界對(duì)應(yīng)的“圖像對(duì)象”，從而使更高層的圖像理解成為可能。目前現(xiàn)有的圖像分割方法包括基于均值漂移(Mean Shift)的分割方法(參見(jiàn)文獻(xiàn)Comanicu DiMeer P. Mean shift: A robust approach toward feature space analysis.IEEE Trans on Patten Analysis and Machine Intelligence, 2002，24(5):603-619.)，這種方法是通過(guò)模式空間密度函數(shù)的梯度來(lái)實(shí)現(xiàn)特征空間的顏色聚類(lèi)，從而達(dá)到圖像分割的目的，該方法的缺點(diǎn)在于過(guò)分割現(xiàn)象比較嚴(yán)重；基于歸一化割(Normalized Cuts)的分割方法(參見(jiàn)文獻(xiàn)F Sun, JP He. A normalized cut based image segmentation method.Information and Computing Science, 2009, 2:333-336.),這種方法是把圖像映射為一個(gè)帶有權(quán)值的無(wú)向圖，圖像中的像素對(duì)應(yīng)圖中的結(jié)點(diǎn)，像素之間的相鄰關(guān)系對(duì)應(yīng)圖的邊，像素特征之間的差異性或相似性對(duì)應(yīng)圖中邊上的權(quán)重，然后在所建立的圖上尋找一個(gè)規(guī)范化最小割對(duì)圖中的結(jié)點(diǎn)進(jìn)行劃分，進(jìn)而完成對(duì)圖像的分割，但是這種方法往往會(huì)把孤立的點(diǎn)作為分割的目標(biāo)，因此容易受到圖像中的噪聲干擾；基于區(qū)域分裂合并(Region SplitMerge)的方法(參見(jiàn)文獻(xiàn)Kelkar, S Gupta. Improved Quadtree Method for SplitMerge Image Segmentation. Emerging Trends in Engineering and Technology, 2008,44-47.)是從整個(gè)圖像開(kāi)始不斷分裂得到各個(gè)區(qū)域，再將相鄰的具有相似性的區(qū)域合并得到分割結(jié)果，區(qū)域分裂合并方法的難點(diǎn)是分裂和合并規(guī)則的設(shè)計(jì)，這種方法的缺點(diǎn)在于算法的復(fù)雜度高，執(zhí)行效率低。

發(fā)明內(nèi)容
本發(fā)明提出了一種多尺度的圖像分割方法，解決現(xiàn)有分割方法過(guò)分割現(xiàn)象嚴(yán)重，分割方法易受圖像中的噪聲干擾，分割方法復(fù)雜度高的問(wèn)題；其多尺度的分割結(jié)果有助于提高后續(xù)的圖像分析，圖像識(shí)別等高級(jí)處理階段的工作效率。為了達(dá)到上述目的，本發(fā)明所采用的技術(shù)方案是上述多尺度的圖像分割方法，其具體步驟如下
(I)、建立預(yù)分割后每個(gè)區(qū)域歸一化的均值偏移直方圖步驟輸入原始圖像，對(duì)原始圖像預(yù)分割，采用核密度估計(jì)的方法建立預(yù)分割后每個(gè)區(qū)域歸一化的均值偏移直方圖，其步驟如下
(1-1)、輸入原始圖像，用均值漂移算法將原始圖像預(yù)分割成個(gè)圖像區(qū)域，式中6表示圖像區(qū)域中第_個(gè)區(qū)域，并將
權(quán)利要求
1. 一種多尺度的圖像分割方法，其具體步驟如下 (1)、建立預(yù)分割后每個(gè)區(qū)域歸一化的均值偏移直方圖步驟輸入原始圖像，對(duì)原始圖像預(yù)分割，采用核密度估計(jì)的方法建立預(yù)分割后每個(gè)區(qū)域歸一化的均值偏移直方圖，其步驟如下 (1-1)、輸入原始圖像，用均值漂移算法將原始圖像預(yù)分割成{Rk 個(gè)圖像區(qū)域，式中&表示圖像區(qū)域中第 > 個(gè)區(qū)域，并將·[二個(gè)圖像區(qū)域的顏色空間由RGB顏色空間轉(zhuǎn)換到Lab顏色空間； (1-2)、統(tǒng)計(jì)Lab顏色空間中每個(gè)圖像區(qū)域的所有像素值出現(xiàn)的概率，建立每個(gè)區(qū)域歸一化的顏色直方圖； (1-3)、選擇三角核函數(shù)對(duì)上述步驟(1-2)生成的顏色直方圖卷積平滑，得到每個(gè)區(qū)域歸一化的均值偏移直方圖； (2)、計(jì)算獲得兩個(gè)鄰接區(qū)域式和&的顏色相似性值步驟對(duì)上述步驟(I)所述的每個(gè)區(qū)域歸一化的均值偏移直方圖，使用公式(I)計(jì)算獲得兩個(gè)鄰接區(qū)域和&的顏色相似性值 ,(U)=A Σ (ψρ)+τ^τΣ 巧 M (I) 式中Μ和分別表示鄰接區(qū)域式和a的標(biāo)號(hào)，成丨和Kl分別表示鄰接區(qū)域盡和&的像素個(gè)數(shù)，Hi和分別表示鄰接區(qū)域巧和4歸一化的均值偏移直方圖，Vp是每個(gè)像孝的量化顏色值； (3)、區(qū)域合并，生成二叉樹(shù)步驟合并鄰接區(qū)域和生成合并區(qū)域，計(jì)算合并生成合并區(qū)域4的歸一化的均值偏移直方圖，其具體步驟如下 (3-1)、比較鄰接區(qū)域的顏色相似性值的大小，迭代進(jìn)行區(qū)域合并，其步驟如下 (3-1-1)、合并最相似的鄰接區(qū)域，使用公式(2)計(jì)算得到最相似的兩個(gè)鄰接區(qū)域式和Ri ,合并馬和4 ,并執(zhí)行步驟(3-1-4)，否則執(zhí)行步驟(3-1-2)， j = arg hi ax PF (ι, , <3 d i = arg mix FF (t, j)(2) λ =1.,.H...η 式中，&表示與i或J鄰接的區(qū)域標(biāo)號(hào)，《表示當(dāng)前的鄰接區(qū)域數(shù)目，arg是求區(qū)域的標(biāo)號(hào); (3-1-2)、合并小面積區(qū)域中相似性最高的鄰接區(qū)域，使用公式(3)計(jì)算得到小面積區(qū)域中相似性最高的兩個(gè)鄰接區(qū) 域h和K' ,合并式和巧，并執(zhí)行步驟(3-1-4)，否則執(zhí)行步驟， j = srg maw:⑶W.,.K式中，_表示小面積區(qū)域式構(gòu)成的集合，I；表示與區(qū)域巧鄰接的區(qū)域標(biāo)號(hào)； (3-1-3)、合并相似性最高的鄰接區(qū)域，使用公式(3)計(jì)算得到相似性最高的兩個(gè)鄰接區(qū)域Ri和Rj，合并式和Ri，并執(zhí)行步驟(3-1-4)，
全文摘要
本發(fā)明提出了一種多尺度的圖像分割方法，其具體步驟是(1)輸入原始圖像，對(duì)原始圖像預(yù)分割，采用核密度估計(jì)的方法建立預(yù)分割后每個(gè)區(qū)域歸一化的均值偏移直方圖；(2)計(jì)算獲得兩個(gè)鄰接區(qū)域的顏色相似性值；(3)區(qū)域合并，生成二叉樹(shù)；(4)選擇二叉樹(shù)中的結(jié)點(diǎn)完成圖像分割。該方法解決了圖像分割中過(guò)分割的現(xiàn)象，分割方法易受圖像中的噪聲干擾，分割方法復(fù)雜度高的問(wèn)題；其多尺度的分割結(jié)果有助于提高后續(xù)的圖像分析，圖像識(shí)別等高級(jí)處理階段的工作效率。
文檔編號(hào)G06T7/00GK102915541SQ20121042503
公開(kāi)日2013年2月6日 申請(qǐng)日期2012年10月31日 優(yōu)先權(quán)日2012年10月31日
發(fā)明者劉志, 查林, 羅書(shū)花, 沈明華 申請(qǐng)人:上海大學(xué)