專利名稱：基于改進(jìn)圖表示的重復(fù)物體有效分割方法
技術(shù)領(lǐng)域：
本發(fā)明屬于計(jì)算機(jī)圖像處理方法，具體涉及一種基于改進(jìn)圖表示的重復(fù)物體分割方法。
背景技術(shù)：
圖像分割指的是將輸入圖像中的前景圖像從其背景中分離出來。由于圖像分割是圖像處理領(lǐng)域的基礎(chǔ)工作，并且在諸如模式識別、機(jī)器學(xué)習(xí)等領(lǐng)域有著極其重要的作用，因此很多人對此進(jìn)行了深入而廣泛的研究，提出了很多很優(yōu)秀的分割算法。盡管如此，從任意輸入圖像中將有意義的前景圖像完全自動且準(zhǔn)確地分割出來仍然是非常困難的。交互技術(shù)是目前解決這一問題的有效途徑。但是，無論是自動分割，還是引入交互技術(shù)，當(dāng)前存在的圖像分割算法多數(shù)是針對一個前景物體進(jìn)行分割，而對具有多個重復(fù)物體的輸入圖像進(jìn)行前景圖像分割的研究還不是很多。重復(fù)性在人們的生活中到處存在，比如一群鴨子、一排樓房等，所以包含重復(fù)物體的圖像也很多。另一方面，人類視覺系統(tǒng)的一個重要功能就是對所看到的物體進(jìn)行相似性和差異性的比較，從而達(dá)到識別物體的目的，以便理解周圍的世界(D. W. Thompson, On Growth and R)rm. Dover，1992)。然而，經(jīng)典的圖像分割算法不適宜交互式地分割重復(fù)物體，因?yàn)樵诜指钸^程中可能需要非常多的交互，即便如此，分割結(jié)果也可能很不理想。LazySnapping(Y. Li, J. Sun, C. -K. Tang, and H. -Y. Shum, "Lazy snapping,，，ACM Transactions on Graphics, vol. 23, no. 3, pp. 303-308，2004)算法將圖割優(yōu)化算法和過分割結(jié)合起來，使得算法可以根據(jù)用戶的交互實(shí)時地得到分割結(jié)果。Grabcut (C. Rother, V. Kolmogorov, and A. Blake, ““grabcut，，!interactive foreground extraction using iterated graph cuts，，，ACM Transactions on Graphics，vol. 23，pp. 309-314，2004)反復(fù)采用高斯混合模型對前、背景顏色進(jìn)行訓(xùn)練，然后采用圖割優(yōu)化算法得到分割結(jié)果。用戶交互在這兩種算法中是非常關(guān)鍵且有效的，但是這兩種算法都是針對單個物體進(jìn)行分割，對于多個重復(fù)物體的分割效果并不十分理想(如

圖1 (a) (b)所示)?；谳喞螤畹谋容^，程明明等提出了一種重復(fù)物體檢測算法R印FindeHM. M. Cheng, F. L. Zhang, N. J. Mitra, X. Huang, and S. Μ. Hu, “RepFinder finding approximately repeated scene elements for image editing," ACM Transactions on Graphics, vol. 29，no. 4，pp. 83-90，2010)。當(dāng)重復(fù)物體之間的形變較小時，檢測效果較好； 但是，當(dāng)重復(fù)物體形狀變化較大時，該算法無法成功檢測到重復(fù)物體。最近幾年，圖像的一致分割受到越來越多的重視。對圖像進(jìn)行一致分割指的是對兩幅或者兩幅以上包含相同或者相似前景物體的圖像同時進(jìn)行分割，從背景圖像中提取出其前景物體?？紤]到多幅圖像中所共有的物體應(yīng)該具有相同或者相近的顏色分布，可以通過直方圖匹配并結(jié)合圖表示對多幅圖像進(jìn)行一致分割。顏色直方圖匹配可以采用Ll范數(shù) (C. Rother, T. Minka, A. Blake, and V. Kolmogorov, "Cosegmentation of image pairs by histogram matching—incorporating a global constraint into mrfs，”in ComputerVision and Pattern Recognition, 2006, pp. 993-1000.)或者 L2 范數(shù)(L. Mukher jee, V. Singh, and C. R. Dyer, "Half-integrality based algorithms for cosegmentation of images，” in Computer Vision and Pattern Recognition，2009)，但是這兩種算法在最優(yōu)化過程中會帶來很大的計(jì)算量。相比于對顏色直方圖的錯誤匹配進(jìn)行懲罰，匹配代價(jià)也可以通過對顏色直方圖的正確匹配進(jìn)行獎勵得到。該方法可以將計(jì)算復(fù)雜度降低為多項(xiàng)式時間(D. S. Hochbaum and V. Singh, "An efficient algorithm for cosegmentation,，，in Computer Vision and Pattern Recognition,2009)。

發(fā)明內(nèi)容
本發(fā)明的目的是提供一種基于改進(jìn)圖表示的重復(fù)物體有效分割方法，該方法通過對傳統(tǒng)的圖表示進(jìn)行改進(jìn)，對單幅圖像中的多個重復(fù)物體進(jìn)行分割的有效算法，只需要用戶提供非常少的交互，即可將圖像中的大量重復(fù)物體準(zhǔn)確地分割出來(如圖1 (C)所示)，使得其能夠?qū)χ貜?fù)物體進(jìn)行高效、準(zhǔn)確的分割。為達(dá)到上述目的，本發(fā)明采用的技術(shù)方案是對于輸入圖像I，為輸入的圖像I中的每一個像素P e I指定一個標(biāo)簽fp e {0， 1}，得到前景像素集合F= {p:fp = 0}，背景像素集合B= {p:fp= 1}，為了求得標(biāo)簽集合{fp}，構(gòu)造了一個新的能量函數(shù)，該能量函數(shù)是在傳統(tǒng)的馬爾科夫隨機(jī)場(MRF，Markov Random Field)模型的能量函數(shù)
權(quán)利要求
1. 一種基于改進(jìn)圖表示的重復(fù)物體有效分割方法，其特征在于對于輸入圖像I，為輸入的圖像I中的每一個像素pel指定一個標(biāo)簽fpe {0，1}，得到前景像素集合F= {p :fp =0}，背景像素集合B= {p :fp = 1}，為了求得標(biāo)簽集合{fp}，構(gòu)造了一個新的能量函數(shù)， 該能量函數(shù)是在傳統(tǒng)的馬爾科夫隨機(jī)場(MRF，Markov Random Field)模型的能量函數(shù)
全文摘要
本發(fā)明提出了一種基于改進(jìn)圖表示的重復(fù)物體有效分割方法。該方法首先對輸入圖像采用均值偏移算法進(jìn)行過分割，在此基礎(chǔ)上，用改進(jìn)的圖表示方法對過分割得到的分塊，以及相鄰、相似分塊之間的關(guān)系進(jìn)行表示，并采用最大流優(yōu)化算法進(jìn)行圖割運(yùn)算，實(shí)現(xiàn)對多個重復(fù)物體高效、準(zhǔn)確的分割。
文檔編號G06T5/00GK102270338SQ201110173510
公開日2011年12月7日 申請日期2011年6月27日 優(yōu)先權(quán)日2011年6月27日
發(fā)明者張洪超, 張磊, 黃華 申請人:西安交通大學(xué)