一種基於貝葉斯和諧度的圖像分割方法
2023-05-05 03:43:26
一種基於貝葉斯和諧度的圖像分割方法
【專利摘要】本發明公開了一種基於貝葉斯和諧度的圖像分割方法，其先將圖像分割成多個超像素塊，然後提取每個超像素塊的特徵向量，並獲取所有超像素塊的特徵向量的協方差矩陣，接著構建類，初始時將每個超像素塊的特徵向量作為對應類中的元素，再進行類合併：獲取每個類的協方差矩陣及類相似度矩陣，從類相似度矩陣中找出值最大的元素，並確定該元素對應的兩個類是否合併，若合併則繼續進行類合併，若不合併則終止合併，最後根據類結果將圖像分割成多個區域，優點是結合貝葉斯和諧學習理論，根據超像素塊融合後貝葉斯和諧度變化趨勢判定是否融合超像素塊，當超像素塊融合導致貝葉斯和諧度迅速下降時終止超像素塊合併，這使得本方法能夠自動選擇區域塊數。
【專利說明】一種基於貝葉斯和諧度的圖像分割方法
【技術領域】
[0001]本發明涉及一種圖像分割技術，尤其是涉及一種基於貝葉斯和諧度的圖像分割方法。
【背景技術】
[0002]圖像分割是將一幅圖像分割成幾個互不重疊的區域塊，每個區域塊內的所有像素具有一致的某些特性，例如某個區域塊內的所有像素具有相同的顏色、灰度、紋理等特徵，或者某個區域塊內只包含一個對象，如人、動物、樹等對象。
[0003]人們在處理圖像(如圖像壓縮、圖像檢索以及視頻處理等)時往往只對圖像中的某個對象區域感興趣，這就需要用到圖像分割技術。另一方面，在圖像研究領域中，圖像經過分割處理後有利於提取圖像的特徵和對圖像進行更高層次的處理，因而圖像分割技術是一種重要的圖像處理技術。在圖像分割技術中，一個關鍵問題是將圖像分割成多少個互不重疊的區域塊，如果分割的區域塊的個數不恰當，則會嚴重影響圖像的後續處理，因此如何確定分割的區域塊的個數一直是圖像分割技術發展當中的瓶頸問題。
[0004]圖像分割技術發展至今有許多種方法，早期方法主要是基於閾值和邊緣檢測的方法，例如Canny檢測方法，這些方法主要是利用圖像的顏色信息來分割圖像，這些方法簡單、計算量小，但分割的效果已不能滿足當前人們對圖像處理的要求，這些方法主要用於圖像的預處理。當前主流的圖像分割方法是基於某種理論的圖像分割方法，例如聚類理論、模糊理論、神經網絡等，其中，基於聚類的圖像分割方法研究較多，發展迅速，其是根據某種準則將圖像劃分成若干個區域，使得一個區域儘可能包含相似的像素。聚類方法有很多，例如k-means、mean_shift、基於圖模型的方法、層次聚類方法等,大部分聚類方法可以直接應用於圖像分割技術中。基於k-means聚類的圖像分割方法簡單、計算量小，但是這種方法不能自動地確定分割的區域塊的個數。基於mean-shift聚類的圖像分割方法是利用像素的空間信息和顏色信息自動地將圖像分割成若干個區域塊，不需要人為確定分割的區域塊的個數，但是這種方法需要確定空間搜索半徑和顏色搜索半徑兩個參數，由於不同的圖像對應的參數設置不一樣，因此就很難設置合適的參數。基於圖模型的圖像分割方法主要有GrabCut、Normalized Cut方法，GrabCut是一種交互式圖像前景與背景分割方法，其事先需要手工加入一些先驗信息，例如提供圖像如景大致範圍等！Normalized Cut是基於GrabCut的改進方法，其得到的分割結果比較精確，但需要指定區域塊的個數，不能夠自動地確定分割的區域塊的個數。基於層次聚類的圖像分割方法是通過不斷地融合像素最終形成一個區域塊，可通過選擇一個合適的閾值來確定分割的區域塊的個數，這種方法的關鍵在於採用了類與類之間距離度量方式。傳統的層次聚類方法採用歐式距離，如single-link、complete_link、QJRE等,基於這些層次聚類的圖像分割方法的分割結果較差，而且不能自動地確定分割的區域塊的個數。近些年出現了一些新的方法，如minimaxlinkage採用極小聯繫度量方式、authority-shift根據類代表點計算類之間距離等,基於這兩種層次聚類的圖像分割方法在一定程度上提高了分割精度，但沒有有效的指導信息來確定合適的區域塊的個數，仍然很難確定分割的區域塊的個數。
[0005]上述大部分的圖像分割方法由人為確定區域塊的個數，而這使得圖像的分割結果依賴於人的主觀因素，導致圖像分割方法的魯棒性和自適應性較差。因此如何能夠自動確定區域塊的個數，並使得圖像分割更精確、更合理一直是人們研究的重點方向。
【發明內容】
[0006]本發明所要解決的技術問題是提供一種基於貝葉斯和諧度的圖像分割方法，其能夠自動地確定分割的區域塊的個數。
[0007]本發明解決上述技術問題所採用的技術方案為:一種基於貝葉斯和諧度的圖像分割方法，其特徵在於包括以下步驟:
[0008]①選取一幅待分割的圖像，然後對圖像進行超像素分割，得到N個超像素塊，其中，N≥200 ;
[0009]②提取圖像中的每個超像素塊的特徵向量，將圖像中的第i個超像素塊的特徵向量記為Xi,其中，1 ≤i≤ N，Xi包含顏色信息和空間坐標信息；
[0010]③首先根據圖像中的每個超像素塊的特徵向量，獲取圖像中的所有超像素塊的特徵向量的協方差矩陣；然後構建類，初始時將圖像中的每個超像素塊的特徵向量作為對應類中的元素；接著確定是否進行類合併操作，過程為:1)根據圖像中的所有超像素塊的特徵向量的協方差矩陣，獲取每個類的協方差矩陣；2)根據每個類的協方差矩陣，獲取類相似度矩陣，其中，類相似度矩陣中的元素為兩個類的相似度；3)從類相似度矩陣中找出值最大的元素，並根據設定的合併判定閾值T，確定找出的元素對應的兩個類是否合併，如果確定找出的元素對應的兩個類合併，則合併這兩個類，再繼續確定是否進行類合併操作；如果確定找出的元素對應的兩個類不合併，則終止類合併操作，再執行步驟④；
[0011]④假設類合併操作終止後共得到L個類，則根據得到的類結果將圖像分割成L個區域塊，其中，LSI。
[0012]所述的步驟①中對圖像進行超像素分割採用簡單線性迭代聚類方法。
[0013]所述的步驟②中圖像中的第i個超像素塊的特徵向量Xi的獲取過程為:
[0014]②-1、獲取第i個超像素塊的中心像素點在圖像中的坐標位置,記為(Pxi, Pyi),其中，PXi表示第i個超像素塊的中心像素點在圖像中的橫坐標，Pyi表示第i個超像素塊的中心像素點在圖像中的縱坐標，1≤Px≤W，1≤Pyi ( H，W表示圖像的寬，H表示圖像的高；
[0015]②_2、從第i個超像素塊中找出位於第i個超像素塊的中心像素點的對角線上，且與第i個超像素塊的中心像素點的直線距離為Ad的像素點，並獲取從第i個超像素塊中找出的像素點在圖像中的坐標位置，記為(pXi』，py/ )，其中，Λ d的值取整數，且0〈 Λ d〈10，PXi'表示從第i個超像素塊中找出的像素點在圖像中的橫坐標，PYi'表示從第i個超像素塊中找出的像素點在圖像中的縱坐標，I ≤Pxi'≤W，1≤py/≤ H ；
[0016]②-3、獲取第i個超像素塊的中心像素點在LAB顏色空間的L通道顏色值、A通道顏色值和B通道顏色值,對應記為Ip Bi和IDi ；
[0017]②-4、根據Px1、Py1、px/、py/、Bi和bi;得到第i個超像素塊的特徵向量，記為 Xi, Xi=Cpxi, py」 px/，py/，Ii, ai; bi)T,其中，(px」 py」 px/，py/，Ii, a」 1^)τ 為(Pxi, Pyi, ρχ/，py/，Ii, a」 b)的轉置向量。[0018]所述的步驟③的具體過程為:
[0019]③-1、計算圖像中的所有超像素塊的特徵向量的協方差矩陣，記為Covx,
【權利要求】
1.一種基於貝葉斯和諧度的圖像分割方法，其特徵在於包括以下步驟: ①選取一幅待分割的圖像，然後對圖像進行超像素分割，得到N個超像素塊，其中，N ≥200 ; ②提取圖像中的每個超像素塊的特徵向量，將圖像中的第i個超像素塊的特徵向量記為Xi,其中，1≤i ≤ N，Xi包含顏色信息和空間坐標信息； ③首先根據圖像中的每個超像素塊的特徵向量，獲取圖像中的所有超像素塊的特徵向量的協方差矩陣；然後構建類，初始時將圖像中的每個超像素塊的特徵向量作為對應類中的元素；接著確定是否進行類合併操作，過程為:1)根據圖像中的所有超像素塊的特徵向量的協方差矩陣，獲取每個類的協方差矩陣；2)根據每個類的協方差矩陣，獲取類相似度矩陣，其中，類相似度矩陣中的元素為兩個類的相似度；3)從類相似度矩陣中找出值最大的元素，並根據設定的合併判定閾值T，確定找出的元素對應的兩個類是否合併，如果確定找出的元素對應的兩個類合併，則合併這兩個類，再繼續確定是否進行類合併操作；如果確定找出的元素對應的兩個類不合併，則終止類合併操作，再執行步驟④； ④假設類合併操作終止後共得到L個類，則根據得到的類結果將圖像分割成L個區域塊，其中，L≥1。
2.根據權利要求1所述的一種基於貝葉斯和諧度的圖像分割方法，其特徵在於所述的步驟①中對圖像進行超像素分割採用簡單線性迭代聚類方法。
3.根據權利要求1或2所述的一種基於貝葉斯和諧度的圖像分割方法，其特徵在於所述的步驟②中圖像中的第i個超像素塊的特徵向量Xi的獲取過程為: ②-1、獲取第i個超像素塊的中心像素點在圖像中的坐標位置，記為(PXi,Pyi)，其中，Pxi表示第i個超像素塊的中心像素點在圖像中的橫坐標，Pyi表示第i個超像素塊的中心像素點在圖像中的縱坐標，1≤Pxi≤W，1≤Pyi≤ H, W表示圖像的寬，H表示圖像的高； ②-2、從第i個超像素塊中找出位於第i個超像素塊的中心像素點的對角線上，且與第i個超像素塊的中心像素點的直線距離為Ad的像素點，並獲取從第i個超像素塊中找出的像素點在圖像中的坐標位置，記為(PXi,，PYi')，其中，Δ d的值取整數，且0〈 Λ d〈10，px/表示從第i個超像素塊中找出的像素點在圖像中的橫坐標，PYi'表示從第i個超像素塊中找出的像素點在圖像中的縱坐標，1 ≤PXi'≤W，1≤py/≤ H ； ②_3、獲取第i個超像素塊的中心像素點在LAB顏色空間的L通道顏色值、A通道顏色值和B通道顏色值,對應記為Ip Bi和IDi ； ②-4、根據Px1、Py1、px/、py/、1」和bi；得到第i個超像素塊的特徵向量，記為 Xi, Xi=Cpxi, py」 px/，py/，Ii, a」 bi)T,其中，(px」 py」 px/，py/，Ii, a」 1^)τ 為(Pxi, Pyi, ρχ/，py/，Ii, a」 b)的轉置向量。
4.根據權利要求3所述的一種基於貝葉斯和諧度的圖像分割方法，其特徵在於所述的步驟③的具體過程為: ③-1、計算圖像中的所有超像素塊的特徵向量的協方差矩陣，記為Covx,
5.根據權利要求4所述的一種基於貝葉斯和諧度的圖像分割方法，其特徵在於所述的步驟③-6中取T=-0.25。
6.根據權利要求5所述的一種基於貝葉斯和諧度的圖像分割方法，其特徵在於所述的步驟④中在圖像分割前對圖像中的每個超像素塊進行平滑處理，以去除區域空洞，具體過程為:④-1、將圖像中當前待處理的第i個超像素塊定義為當前超像素塊，其中，I < i^N; ④-2、統計與當前超像素塊相鄰的所有超像素塊各自所屬的類的分布，其中，相鄰的超像素塊是指其與當前超像素塊共享有邊界，且共享的邊界包含的像素點的總個數大於設定的邊界判定閾值Q ； ④-3、找出包含相鄰的超像素塊最多的類，將當前超像素塊合併到找出的類中； ④-4、令i=i+l，將圖像中下一個待處理的超像素塊作為當前超像素塊，然後返回步驟④-2繼續執行，直至圖像中的所有超像素塊處理完畢，使得圖像中屬於同一個類的所有超像素塊在圖像空間位置上連續，且共得到L"個類，再令L=L"，其中，i=i+l和L=L"中的「=」為賦值符號，L"≥I。
7.根據權利要求6所述的一種基於貝葉斯和諧度的圖像分割方法，其特徵在於所述的步驟④-2中取Q=15。
【文檔編號】G06T7/00GK103761736SQ201410015208
【公開日】2014年4月30日 申請日期:2014年1月14日 優先權日:2014年1月14日
【發明者】文順, 趙傑煜 申請人:寧波大學