一種改進的基于圖和色彩紋理特征的圖像分割方法
【專利摘要】本發(fā)明公開了一種改進的基于圖和色彩紋理特征的圖像分割方法，涉及圖像處理和計算機視覺【技術(shù)領(lǐng)域】，本發(fā)明步驟包括：1）提取30張樣本圖片的紋理特征和色彩特征，將得到的紋理特征和色彩特征組成一個矩陣，并對矩陣求協(xié)方差作為30幅樣本圖片的色彩信息和紋理信息的統(tǒng)一系數(shù)；2）構(gòu)造待分割圖片的帶權(quán)無向圖；3）提取待分割圖片的紋理特征和色彩特征，并構(gòu)造待分割圖片的紋理色彩特征描述符；4）利用步驟1）獲得的統(tǒng)一系數(shù)和步驟3）獲得的待分割圖片的紋理色彩特征描述符計算待分割圖片的帶權(quán)無向圖中邊的權(quán)值；5）對步驟2）構(gòu)造的帶權(quán)無向圖中的節(jié)點進行合并歸類。本發(fā)明的分割準確性高，誤分割、過分割現(xiàn)象少。
【專利說明】一種改進的基于圖和色彩紋理特征的圖像分割方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于圖像處理和計算機視覺【技術(shù)領(lǐng)域】，更具體地說，涉及一種改進的基于圖和色彩紋理特征的圖像分割方法。
【背景技術(shù)】
[0002]圖像分割是計算機視覺和模式識別中極其重要的分析方法。圖像分割的目的是將圖像劃分為若干個不同的、互不重疊的具有獨特性質(zhì)的區(qū)域，將人們感興趣的目標提取出來，對每個像素都加上唯一的類標簽。圖像分割是圖像分析的重要組成部分，目前已經(jīng)廣泛應用在醫(yī)學影像、人臉識別、指紋識別、交通控制系統(tǒng)和機器視覺等方面。
[0003]色彩信息和紋理信息與人眼感知具有很強的關(guān)聯(lián)性，單純基于紋理或基于色彩的分割方法不能精確的描述圖像的內(nèi)容。因此圖像分割技術(shù)的研究趨勢是色彩信息與紋理信息的融合。經(jīng)典的分割算法分為基于區(qū)域和基于邊緣檢測兩大類。前者的基本思想是根據(jù)圖像數(shù)據(jù)的特征將圖像空間劃分為互不重疊的區(qū)域，從而達到分割目的，常用的有閾值分割法、區(qū)域標記法、區(qū)域生長法和分裂合并法。基于區(qū)域的分割方法存在一些不足之處，如易受噪聲因素的影響，易產(chǎn)生過分割、區(qū)域碎片導致邊緣不光滑，除上述缺點外，計算復雜度和實時性也是可以提升和改進的方向。邊界是圖像最基本的特征之一，是灰度或結(jié)構(gòu)等信息的突變處，包含用于分割的基本信息?；谶吘墮z測的分割算法的基本思想是檢測圖像中的邊緣點再按一定策略鏈接成輪廓，從而構(gòu)成分割區(qū)域，常用的算法有正交梯度算子、Roberts梯度算子、方向梯度算子、二階導數(shù)算子等。由于圖像數(shù)據(jù)是二、三維的，而實際物體是N維的，因此這類算法存在較大的缺點是從高維到低維的投影會造成信息的丟失，光照和噪聲等因素對檢測的結(jié)果影響很大。
[0004]基于圖論的分割方法是基于區(qū)域分割方法中研究的熱點方向。經(jīng)典的有最小生成樹方法、N-Cut方法、GraphCut方法、動態(tài)區(qū)域合并方法和Graph-Based方法等，這些方法都將圖像的像素點作為節(jié)點構(gòu)造無向賦權(quán)圖，然后按照某一準則對圖的頂點進行劃分，完成對圖像的分割。J.Shi 等人于 2000 年在《IEEE Transactions on Pattern Analysisand Machine Intelligence〉〉上發(fā)表的〈〈Normalized cuts and image segmentation〉〉中提出的N-Cut算法屬于NP-hard問題，圖的節(jié)點越多，問題的求解越費時，因此對較大圖像進行分割的速度異常緩慢。C.Rother等人于2004年在《ACM Transactions on Graphics》中發(fā)表的〈〈interactive foreground extraction using iterated graph cuts〉〉中提出的GraphCut方法通過構(gòu)建圖和求能量最小化,優(yōu)化分割效果。P.F.Felzenszwalb等人于2004年在〈〈International Journal of Computer Vision〉〉上發(fā)表的〈〈Efficient graph-basedimage segmentation))中提出的graph-based方法,對領(lǐng)域構(gòu)建圖,利用最小生成樹和合并準則完成聚類，執(zhí)行效率高，運行時間幾乎和圖像的像素點數(shù)成線性關(guān)系，并且可以忽視高可變區(qū)域的細節(jié)特征，保留低可變區(qū)域的細節(jié)特征。但以上方法皆對噪聲敏感，存在一定過分割現(xiàn)象，特別是對紋理復雜的圖片分割效果不佳。
【發(fā)明內(nèi)容】

[0005]1.發(fā)明要解決的技術(shù)問題
[0006]本發(fā)明的目的在于克服傳統(tǒng)基于圖(graph-based)的分割方法使用單一色彩特征進行圖像分割造成嚴重誤分割和過分割的不足，提供了一種改進的基于圖和色彩紋理特征的圖像分割方法，本發(fā)明通過多個樣本獲取紋理特征和色彩特征的統(tǒng)一系數(shù)，將圖片的紋理特征和色彩特征有效融合，使用本發(fā)明的圖像分割方法分割的準確性高，誤分割現(xiàn)象大大減少。
[0007]2.技術(shù)方案
[0008]為達到上述目的，本發(fā)明提供的技術(shù)方案為:
[0009]本發(fā)明的一種改進的基于圖和色彩紋理特征的圖像分割方法，步驟如下:
[0010]I)選取30張樣本圖片，提取該30張樣本圖片的紋理特征和色彩特征，將得到的紋理特征和色彩特征組成一個矩陣Feature，并對矩陣Feature求協(xié)方差，將該協(xié)方差作為30幅樣本圖片的色彩信息和紋理信息的統(tǒng)一系數(shù)Σ；
[0011]2)構(gòu)造待分割圖片的帶權(quán)無向圖G=(V，E)；
[0012]3)提取待分割圖片的紋理特征和色彩特征，并構(gòu)造待分割圖片的紋理色彩特征描述符；
[0013]4)利用步驟I)獲得的統(tǒng)一系數(shù)Σ和步驟3)獲得的待分割圖片的紋理色彩特征描述符計算待分割圖片的帶權(quán)無向圖中邊的權(quán)值；
[0014]5)對步驟2)構(gòu)造的帶權(quán)無向圖中的節(jié)點進行合并歸類，得到符合人眼感知的分割圖片。
[0015]本發(fā)明的一種改進的基于圖和色彩紋理特征的圖像分割方法，步驟I)中獲得樣本圖片紋理特征和色彩特征之間的統(tǒng)一系數(shù)Σ的具體方法如下:
[0016]a)樣本選取:
[0017]選取30幅尺寸相同的圖片作為樣本圖片，該30幅尺寸相同的樣本圖片的長和寬折合為像素分別為w和h ;
[0018]b)樣本圖片紋理特征提取:
[0019]將步驟a)中選取的30幅樣本圖片分別轉(zhuǎn)換成灰度圖，并對得到的灰度圖進行haar小波變換，分解得到30幅樣本圖片在水平方向、垂直方向和對角方向的紋理特征集
【權(quán)利要求】
1.一種改進的基于圖和色彩紋理特征的圖像分割方法，步驟如下: 1)選取30張樣本圖片，提取該30張樣本圖片的紋理特征和色彩特征，將得到的紋理特征和色彩特征組成一個矩陣Feature，并對矩陣Feature求協(xié)方差，將該協(xié)方差作為30幅樣本圖片的色彩信息和紋理信息的統(tǒng)一系數(shù)Σ； 2)構(gòu)造待分割圖片的帶權(quán)無向圖G=(V，E)； 3)提取待分割圖片的紋理特征和色彩特征，并構(gòu)造待分割圖片的紋理色彩特征描述符; 4)利用步驟I)獲得的統(tǒng)一系數(shù)Σ和步驟3)獲得的待分割圖片的紋理色彩特征描述符計算待分割圖片的帶權(quán)無向圖中邊的權(quán)值； 5)對步驟2)構(gòu)造的帶權(quán)無向圖中的節(jié)點進行合并歸類，得到符合人眼感知的分割圖片。
2.根據(jù)權(quán)利要求1所述的一種改進的基于圖和色彩紋理特征的圖像分割方法，其特征在于:步驟I)中獲得樣本圖片紋理特征和色彩特征之間的統(tǒng)一系數(shù)Σ的具體方法如下: a)樣本選取: 選取30幅尺寸相同的圖片作為樣本圖片，該30幅尺寸相同的樣本圖片的長和寬折合為像素分別為w和h ; b)樣本圖片紋理特征提取:將步驟a)中選取的30幅樣本圖片分別轉(zhuǎn)換成灰度圖，并對得到的灰度圖進行haar小波變換，分解得到30幅樣本圖片在水平方向、垂直方向和對角方向的紋理特征集
3.根據(jù)權(quán)利要求2所述的一種改進的基于圖和色彩紋理特征的圖像分割方法，其特征在于:步驟2)中構(gòu)造帶權(quán)無向圖G= (V，E)的具體方法如下: 將待分割圖片中的每個像素點作為無向圖節(jié)點，V是無向圖節(jié)點的集合，Vi, \表示無向圖中任意兩個節(jié)點，V1、Vj e V ;E是無向圖中所有節(jié)點構(gòu)成邊的集合，E(Vi, Vj)表示連接無向圖節(jié)點Vi和Vj的邊。
4.根據(jù)權(quán)利要求3所述的一種改進的基于圖和色彩紋理特征的圖像分割方法，其特征在于:步驟3)中獲得待分割圖片紋理色彩特征描述符的具體方法如下: ①將待分割圖片轉(zhuǎn)換成灰度圖，對該灰度圖進行haar小波變換，分解得到待分割圖片在水平方向、垂直方向和對角方向的紋理特征集{Whn}，{WvJ , {ffdj ； ②將待分割圖片從RGB色彩空間轉(zhuǎn)換到Lab色彩空間，提取Lab色彩空間三個色彩通道的值作為待分割圖片的色彩特征{colorLj, {coloraj, {colorbj ； ③得到待分割圖片第η個像素的紋理色彩特征描述符:
vn= [Whn, Wvn, Wdn, colorLn, co1ran, co1rbJ，n=l, 2,…(w*h)。
5.根據(jù)權(quán)利要求3或4所述的一種改進的基于圖和色彩紋理特征的圖像分割方法，其特征在于:步驟4)中計算帶權(quán)無向圖中邊的權(quán)值的具體方法如下: 將步驟I)中獲得的統(tǒng)一系數(shù)Σ和步驟3)中獲得的待分割圖片的紋理色彩特征描述符Vn帶入馬氏距離公式得到帶權(quán)無向圖中邊的權(quán)值w (Vi，Vj)，該權(quán)值用于度量無向圖中兩節(jié)點之間的紋理色彩特征差異度，權(quán)值越大，差異越大，權(quán)值越小，差異越小。
6.根據(jù)權(quán)利要求5所述的一種改進的基于圖和色彩紋理特征的圖像分割方法，其特征在于:步驟5)中類合并的具體方法如下: ①將無向圖中的邊按步驟4)計算得到的權(quán)值大小進行非降排序，并將無向圖中每一個節(jié)點劃分為一個獨立類，對應為ΙΑ，(:2，…，CwJ，每一類對應的合并優(yōu)先級為…，rwH<h},初始時I^r2Xrwith=O,類合并順序根據(jù)排序由前到后進行； ②執(zhí)行合并準則1: 設(shè)定合并的初始閾值HiInt(C1)=Ii, Ci和&表示兩個不同的類，比較Ci中所有節(jié)點Vi e Ci和中所有節(jié)點' e Cj組成的邊的權(quán)值w(Vi，')，最小的權(quán)值作為Ci和的類間距離 Diff (Ci, Cj),
7.根據(jù)權(quán)利要求6所述的一種改進的基于圖和色彩紋理特征的圖像分割方法，其特征在于:步驟5)中執(zhí)行合 并準則I時初始閾值k的取值范圍為400~500 ;執(zhí)行合并準則2時初始合并閾值k2為150~200。
【文檔編號】G06T7/00GK103530882SQ201310486060
【公開日】2014年1月22日 申請日期:2013年10月17日 優(yōu)先權(quán)日:2013年10月17日
【發(fā)明者】李勃, 王云燁, 陳惠娟, 陳抒瑢, 楊嫻, 廖娟, 史德飛, 陳啟美 申請人:南京大學, 南京大學鎮(zhèn)江高新技術(shù)研究院