基于幾何塊間隔共生特征和語義信息的圖像分割方法
【專利摘要】本發(fā)明涉及一種基于幾何塊間隔共生特征和語義信息的圖像分割方法。該方法使用初始素描模型得到素描圖，以組成素描線的線段為單位構(gòu)建幾何塊，然后將幾何塊映射至原圖相應位置并提取基于該幾何塊的間隔共生矩陣；以每個幾何塊間隔共生矩陣作為對應線段的特征，利用該特征將素描線分成斑紋語義類別和一般邊界類別；對于過分割方法得到的圖像超像素，分別利用素描線分類的語義信息指導超像素合并。對于由斑紋語義類別素描線指導合并的超像素，統(tǒng)計這些超像素的顏色均值并根據(jù)每個超像素與其鄰域超像素在顏色上的共生統(tǒng)計關(guān)系進行進一步合并，得到最終的分割結(jié)果。
【專利說明】基于幾何塊間隔共生特征和語義信息的圖像分割方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于圖像處理【技術(shù)領(lǐng)域】，涉及一種基于幾何塊間隔共生特征和語義信息的圖像分割方法，可用于圖像的處理和識別檢測，特別是包含有斑馬、老虎等斑紋目標的圖像。
【背景技術(shù)】
[0002]圖像分割是將圖像劃分成多個具有相似特征區(qū)域的技術(shù)與過程，是從圖像處理到圖像理解的關(guān)鍵步驟，是進行目標識別、數(shù)據(jù)壓縮、傳遞等進一步處理的最基本且關(guān)鍵的技術(shù)，所以高質(zhì)量的分割方法對自然圖像處理非常重要。在包含斑馬和老虎等目標的圖像中，斑馬和老虎身上的斑紋具有兩種不同的顏色交替重復出現(xiàn)的特點，這一特點使得要把斑馬作為一個整體區(qū)域分割出來變得比較困難。
[0003]現(xiàn)有方法對這類圖像的分割，一般是從紋理分割的角度，通過提取圖像不同方向和尺度的Gabor紋理特征，結(jié)合原圖像的顏色信息，組成圖像的紋理-顏色特征，根據(jù)紋理-顏色特征，利用現(xiàn)有的數(shù)學模型建模計算特征間的相似性，通過鄰域間的相似性度量進行分割。
[0004]但是現(xiàn)有方法在對圖像提取紋理特征時需要基于一定的鄰域窗口和方向，而自然動物的紋理其大小、方向是隨機變化的。因此固定的鄰域大小和方向明顯是不合適的，如何確定鄰域大小和方向是一個需要解決的問題。

【發(fā)明內(nèi)容】

[0005]本發(fā)明的從另一種思路出發(fā)，解決包含老虎、斑馬等目標的自然圖像的分割問題。本發(fā)明從視覺計算理論出發(fā)，提出一種基于幾何塊間隔共生特征和語義信息的圖像分割方法。對于使用初始素描模型得到素描圖，素描線刻畫了在什么位置和方向上圖像出現(xiàn)了奇異，在我們要處理的圖像中，主要表示了圖像中的斑紋的變化和傳統(tǒng)意義的邊界變化。利用素描線段的蘊含的語義信息指導超像素合并，達到對圖像分割的目的。
[0006]為實現(xiàn)上述目的，本發(fā)明的技術(shù)方案是，提出一種基于幾何塊間隔共生特征和語義信息的圖像分割方法，包括下列步驟，
[0007](1)使用初始素描模型得到自然圖像的初始素描圖，該初始素描圖包括線段集合{Si, i = l,2,…，η}, η為線段總數(shù)；
[0008](2)在初始素描圖中，以線段為單位構(gòu)建幾何塊；
[0009](3)將線段幾何塊映射至原圖對應位置，計算線段基于幾何塊的間隔共生特征，得到線段的特征集合的，F(xiàn)2,…，F(xiàn)J ；
[0010](4)根據(jù)步驟(3)得到的線段特征集合(FpF2,…上},利用kmeans方法對特征進行聚類，設(shè)定聚類類別數(shù)為兩類，根據(jù)特征聚類的結(jié)果，將線段分為一般邊界線段和斑紋線段兩類，并根據(jù)線段分類的結(jié)果將素描線分為一般邊界素描線和斑紋素描線；
[0011](5)利用過分割方法對原圖進行超像素分割，得到超像素集合；根據(jù)得到的兩類素描線語義信息分別指導超像素合并，得到新的超像素集合；
[0012](6)對于得到的新超像素集合，統(tǒng)計由斑紋素描線指導合并的超像素的顏色均值，并根據(jù)直方圖統(tǒng)計特性計算這些超像素與其相鄰超像素在顏色上的共生統(tǒng)計關(guān)系，合并具有共生關(guān)系的超像素。
[0013]上述步驟(2)包括下列步驟:
[0014]2a)構(gòu)建幾何塊過程:對于素描圖中的任意一條線段S1,由Ien1個點組成，以該素描線段為對稱軸，沿線段方向為長，垂直于線段方向為寬，取長為Ien1寬為2m+l的矩形區(qū)域作為該線段的幾何塊；
[0015]2b)m的值的確定方法:對于素描圖中任意一條線段S1，將線段上的點與圖中其他線段的最小距離Cl1稱為線段的最小距離，若線段的最小距離小于閾值T1，則m = Cl1,否則m=T1 ；
[0016]2c)閾值T1的確定方法:計算圖中每條線段的最小距離，對最小距離進行直方圖統(tǒng)計，將直方圖的最高峰值點對應的距離作為閾值T1的值。
[0017]上述步驟(3)包括下列步驟:
[0018]3a)對于素描圖中任意一條線段S1,其基于線段的共生矩陣記為HpH1是一個GXG維的矩陣，其中，G代表圖像中像素值的量化級數(shù)，H1Q, j)代表像素灰度分別為i和j的一對像素出現(xiàn)的次數(shù)；
[0019]3b )對于素描圖中的任意一條線段S1，將幾何塊映射至原圖的每個通道，在每個通道t下統(tǒng)計幾何塊內(nèi)所有沿垂直于線段方向間隔為hs的點的共生關(guān)系，得到線段在該通道的共生矩陣H/，其中hs = 1,2,…，m-1，t = 1,2,3 ；
[0020]3c)對于按照上述得到的線段S1在通道t下的共生矩陣H/，按照如下公式進行歸一化:
【權(quán)利要求】
1.基于幾何塊間隔共生特征和語義信息的圖像分割方法，其特征在于:包括下列步驟， (1)使用初始素描模型得到自然圖像的初始素描圖，該初始素描圖包括線段集合{Si，i=1，2，...，η}, η為線段總數(shù)； (2)在初始素描圖中，以線段為單位構(gòu)建幾何塊； (3)將線段幾何塊映射至原圖對應位置，計算線段基于幾何塊的間隔共生特征，得到線段的特征集合(F1, F2,.'FJ ； (4)根據(jù)步驟(3)得到的線段特征集合(F1,F2,…，F(xiàn)J，利用kmeans方法對特征進行聚類，設(shè)定聚類類別數(shù)為兩類，根據(jù)特征聚類的結(jié)果，將線段分為一般邊界線段和斑紋線段兩類，并根據(jù)線段分類的結(jié)果將素描線分為一般邊界素描線和斑紋素描線； (5)利用過分割方法對原圖進行超像素分割，得到超像素集合；根據(jù)得到的兩類素描線語義信息分別指導超像素合并，得到新的超像素集合； (6)對于得到的新超像素集合，統(tǒng)計由斑紋素描線指導合并的超像素的顏色均值，并根據(jù)直方圖統(tǒng)計特性計算這些超像素與其相鄰超像素在顏色上的共生統(tǒng)計關(guān)系，合并具有共生關(guān)系的超像素。
2.根據(jù)權(quán)利要求1所述的圖像分割方法，其特征在于:所述步驟(2)包括下列步驟: 2a)構(gòu)建幾何塊過程:對于素描圖中的任意一條線段S1,由Ien1個點組成，以該素描線段為對稱軸，沿線段方向為長，垂直于線段方向為寬，取長為Ien1寬為2m+l的矩形區(qū)域作為該線段的幾何塊；2b) m的值的確定方法:對于素描圖中任意一條線段S1，將線段上的點與圖中其他線段的最小距離Cl1稱為線段的最小距離，若線段的最小距離小于閾值T1，則m = Cl1,否則m = T1 ; 2c)閾值T1的確定方法:計算圖中每條線段的最小距離，對最小距離進行直方圖統(tǒng)計，將直方圖的最高峰值點對應的距離作為閾值T1的值。
3.根據(jù)權(quán)利要求1所述的圖像分割方法，其特征在于:所述步驟(3)包括下列步驟: 3a)對于素描圖中任意一條線段S1,其基于線段的共生矩陣記為H1, H1是一個GXG維的矩陣，其中，G代表圖像中像素值的量化級數(shù)，H1Q, j)代表像素灰度分別為i和j的一對像素出現(xiàn)的次數(shù)； 3b)對于素描圖中的任意一條線段S1，將幾何塊映射至原圖的每個通道，在每個通道t下統(tǒng)計幾何塊內(nèi)所有沿垂直于線段方向間隔為hs的點的共生關(guān)系，得到線段在該通道的共生矩陣 H/，其中 hs = 1,2,t = 1,2, 3 ； 3c)對于按照上述得到的線段S1在通道t下的共生矩陣H/，按照如下公式進行歸一化:
4.根據(jù)權(quán)利要求1所述的圖像分割方法，其特征在于:所述步驟(4)包括下列步驟: 4a)通過聚類，得到兩類特征的集合{Fn，F(xiàn)12，…，F(xiàn)lk}和{F21，F(xiàn)22，…，F(xiàn)2J,其中，F(xiàn)li,F2i分別代表了分類后每一類的第i個特征；這兩類特征的集合對應的聚類中心分別記為center” Center2 ； 4b)按如下公式分別計算每一類特征和其對應聚類中心的平均距離:
5.根據(jù)權(quán)利要求1所述的圖像分割方法，其特征在于:所述步驟(5)包括如下步驟: 5a)將原圖RGB顏色空間轉(zhuǎn)為Lab顏色空間，利用過分割方法對圖像進行過分割，將圖像分成X個超像素，得到超像素集合Isp1, SP2,…，SpJ ; 5b)對于超像素集合中的任意一個超像素Sp1，在原圖Lab顏色空間的三個通道上分別計算組成超像素的所有像素值的均值avg，并按如下方式級聯(lián)，作為該超像素的顏色特征:Lavg1, avg2, avg3],其中1、2、3分別代表三個通道； 5c)對于每一個與斑紋素描線相鄰的超像素，如果該超像素與其相鄰超像素之間顏色特征的歐式距離小于經(jīng)驗閾值T2,并且這兩個超像素相鄰的邊界上沒有斑紋素描線段，則合并這兩個超像素； 5d)對于不與斑紋素描線相鄰的超像素，如果該超像素與相鄰超像素之間的顏色特征的歐式距離小于經(jīng)驗閾值T2，且這兩個超像素相鄰的邊界上沒有一般邊界素描線，則合并這兩個超像素； 5d)重復合并，直到?jīng)]有滿足合并條件的超像素，最終得到新的超像素集合{sPl，Sp2,…，SPyI。
6.根據(jù)權(quán)利要求1所述的圖像分割方法，其特征在于:所述步驟(6)包括如下步驟: 6a)以超像素為單位，對于所有由斑紋素描線指導合并得到的超像素，統(tǒng)計超像素值的直方圖，計算該直方圖中的波峰數(shù)，對于波峰數(shù)為2的圖像，找到兩個波峰之間的最低點，以該點為閾值將超像素分為兩類； 6b)對于每一類超像素，計算屬于該類的每一個超像素和與其相鄰的超像素的共生關(guān)系，得到該類和其他類的共生關(guān)系統(tǒng)計；6c)如果存在兩類的共 生關(guān)系具有高統(tǒng)計值，則合并所有位于斑紋素描線間的超像素。
【文檔編號】G06T7/00GK103903257SQ201410068947
【公開日】2014年7月2日 申請日期:2014年2月27日 優(yōu)先權(quán)日:2014年2月27日
【發(fā)明者】劉芳, 李玲玲, 鄭瑩, 焦李成, 郝紅俠, 戚玉濤, 武杰, 段一平, 馬晶晶, 尚榮華, 于昕 申請人:西安電子科技大學