基于分塊相似性度量的圖像分割方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于聚類技術(shù)的圖像分割領(lǐng)域，具體設(shè)及一種基于分塊相似性度量的圖像 分割方法。
【背景技術(shù)】
[0002] 圖像分割可W看做是圖像中物體識別的一個關(guān)鍵的預(yù)處理步驟，它的目的是將數(shù) 字圖象中的不同事物W圖像區(qū)域的方式提取分離出來，便于對某些感興趣的目標區(qū)域進行 處理。圖像分割是圖像自動語義內(nèi)容分析的基礎(chǔ)，分割結(jié)果的好壞將嚴重影響后續(xù)的分類 與識別應(yīng)用的效果。
[0003] 在眾多的分割方法中，基于像素視覺特征的聚類分割方法因其突出的分割效果而 占有重要地位?；谝曈X空間聚類的分割方法首先對像素的視覺特征（如顏色、紋理）進 行聚類，利用視覺描述空間中的相似性測度來判斷像素的區(qū)域歸屬，對于簡單噪聲較小的 圖像可取得良好的分割效果。通常情況下，基于聚類技術(shù)的圖像分割都是建立在像素獨立 假設(shè)基礎(chǔ)上的，在像素的聚類過程中只考慮了像素在視覺空間中的統(tǒng)計分布特性，而沒有 考慮到圖像像素之間的空間位置相關(guān)性，該往往會影響分割后圖像區(qū)域的平滑性。
[0004] 而受像素空間位置限制的混合模型相比于獨立混合模型，可W有效改善分割結(jié)果 的平滑性。但是，空間限制混合模型的模型參數(shù)禪合性過高，使模型求解難度過高，從而增 大了算法的復(fù)雜度。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明的目的在于提供一種基于分塊相似性度量的圖像分割方法。
[0006] 本發(fā)明的內(nèi)容是該樣實現(xiàn)的：
[0007] (1)讀入一幅自然場景圖像，圖像大小為MXN，確定欲分割的類別數(shù)目K，根據(jù)固 定劃分方式將圖像劃分為若干個面積相等的矩形區(qū)塊，每個區(qū)塊的大小為mXn;
[000引 （2)在固定劃分的基礎(chǔ)上對圖像進行重疊劃分，即將固定劃分的塊邊界線，每次向 右并向下移動過1個像素點，直到與原來的固定劃分的塊邊界線重合為止；使每個像素點 屬于原來的固定劃分中的一個區(qū)塊，包含于不同的區(qū)塊；
[0009] (3)對重疊劃分過程中產(chǎn)生的所有區(qū)塊，計算其視覺特征，灰度均值和方差，利用 K均值算法或EM算法對所有該些區(qū)塊進行聚類，判斷每個分塊的類別歸屬；
[0010] (4)對圖像中每個像素點，采用滴值的倒數(shù)來確定每個像素點的權(quán)值， K
[0011] H= 徑iPi
[0012] 對每個像素點計算滴值，Pi為該像素點屬于第i類的概率，pi可通過統(tǒng)計該像素 點屬于不同的分塊的類別情況來獲得；
[001引 妨考察每個分塊內(nèi)像素點的權(quán)值，如果權(quán)值像素點超過給定闊值，則認為該分塊 的區(qū)域一致性好，否則，對該分塊進行分裂，分為四等分；如果本次沒有需要分裂的分塊，轉(zhuǎn) 步驟做，否則，轉(zhuǎn)步驟（3);
[0014] 步驟做利用每個像素點的類別標示，輸出分割圖像。
[0015]本發(fā)明的有益效果在于：
[0016]本發(fā)明提出了一種基于分塊相似性度量的圖像分割方法，將像素之間的位置關(guān)系 考量隱含在小區(qū)塊（可W理解為"超級像素"）中，對重疊劃分出來的區(qū)塊進行聚類分割，有 效地改善了對像素進行聚類的分割效果。
【附圖說明】
[0017]本發(fā)明的算法流程圖。
【具體實施方式】
[0018]下面結(jié)合附圖對本發(fā)明做進一步描述。
[0019]本發(fā)明所提出的圖像分割方法的具體步驟如下：
[0020] 步驟1 ;讀入一幅自然場景圖像，圖像大小為MXN，確定欲分割的類別數(shù)目K，根據(jù) 固定劃分方式將圖像劃分為若干個面積相等的矩形區(qū)塊，每個區(qū)塊的大小為mXn;
[0021] 步驟2 ;在固定劃分的基礎(chǔ)上對圖像進行重疊劃分，即將固定劃分的塊邊界線，每 次向右并向下移動過1個像素點，直到與原來的固定劃分的塊邊界線重合為止。該樣，使每 個像素點不止屬于原來的固定劃分中的一個區(qū)塊，而是可W包含于不同的區(qū)塊。
[0022] 步驟3 ;對重疊劃分過程中產(chǎn)生的所有區(qū)塊，計算其視覺特征（灰度均值和方差 等），利用K均值算法或EM算法對所有該些區(qū)塊進行聚類，判斷每個分塊的類別歸屬。
[002引步驟4;對圖像中每個像素點，考察其屬于不同分塊時的歸類情況，采用滴值（滴 的計算公式參見公式（1))的倒數(shù)來確定每個像素點的權(quán)值，該樣可W使得一個像素點在 屬于不同分塊的條件下，如果該些分塊歸屬某一類的概率趨于一致，該像素點就獲得一個 較高的權(quán)值；如果該些分塊都趨向于歸屬不同的類別，則該像素就獲得一個較低的權(quán)值。
[0024]
U)
[0025]對每個像素點都按公式（1)計算滴值，Pi為該像素點屬于第i類的概率，P i可通 過統(tǒng)計該像素點屬于不同的分塊的類別情況來獲得。
[0026] 步驟5;考察每個分塊內(nèi)像素點的權(quán)值，如果權(quán)值較高像素點超過給定闊值，則認 為該分塊的區(qū)域一致性較好，否則，對該分塊進行分裂，分為四等分。如果本次沒有需要分 裂的分塊，轉(zhuǎn)步驟6,否則，轉(zhuǎn)步驟3。
[0027] 步驟6 ;利用每個像素點的類別標示，輸出分割圖像。
[002引本發(fā)明提出一種新的圖像分割方法，首先將圖像劃分成矩形小區(qū)塊，我們采取重 疊劃分方式，獲取每個區(qū)塊的視覺屬性的描述（顏色或紋理）；然后對分塊的視覺空間利用 K均值或EM算法進行聚類，利用分塊聚類的結(jié)果，構(gòu)造像素的權(quán)值；自動找出若干個具有典 型顏色（或紋理）的小區(qū)塊作為類別標記，然后將其他區(qū)塊和該些區(qū)塊進行相似性度量來 確定每個區(qū)塊的類別歸屬。對于像素權(quán)值難W趨于一致的區(qū)塊，進行分裂后，重復(fù)上述過 程。由于事先并沒有提供任何指導(dǎo)性信息，該方法本質(zhì)上還屬于非監(jiān)督學(xué)習(xí)算法。
【主權(quán)項】
1.基于分塊相似性度量的圖像分割方法，其特征在于： (1) 讀入一幅自然場景圖像，圖像大小為MXN，確定欲分割的類別數(shù)目K，根據(jù)固定劃 分方式將圖像劃分為若干個面積相等的矩形區(qū)塊，每個區(qū)塊的大小為mXn; (2) 在固定劃分的基礎(chǔ)上對圖像進行重疊劃分，即將固定劃分的塊邊界線，每次向右并 向下移動過1個像素點，直到與原來的固定劃分的塊邊界線重合為止；使每個像素點屬于 原來的固定劃分中的一個區(qū)塊，包含于不同的區(qū)塊； (3) 對重疊劃分過程中產(chǎn)生的所有區(qū)塊，計算其視覺特征，灰度均值和方差，利用K均 值算法或EM算法對所有這些區(qū)塊進行聚類，判斷每個分塊的類別歸屬； (4) 對圖像中每個像素點，采用熵值的倒數(shù)來確定每個像素點的權(quán)值，對每個像素點計算熵值，Pi為該像素點屬于第i類的概率，P1可通過統(tǒng)計該像素點屬 于不同的分塊的類別情況來獲得； (5) 考察每個分塊內(nèi)像素點的權(quán)值，如果權(quán)值像素點超過給定閾值，則認為該分塊的區(qū) 域一致性好，否則，對該分塊進行分裂，分為四等分；如果本次沒有需要分裂的分塊，轉(zhuǎn)步驟 (6)，否則，轉(zhuǎn)步驟（3); 步驟（6)利用每個像素點的類別標示，輸出分割圖像。
【專利摘要】本發(fā)明屬于聚類技術(shù)的圖像分割領(lǐng)域，具體涉及一種基于分塊相似性度量的圖像分割方法。本發(fā)明讀入一幅自然場景圖像，圖像大小為M×N，確定欲分割的類別數(shù)目K，根據(jù)固定劃分方式將圖像劃分為若干個面積相等的矩形區(qū)塊，每個區(qū)塊的大小為m×n；在固定劃分的基礎(chǔ)上對圖像進行重疊劃分，即將固定劃分的塊邊界線，每次向右并向下移動過l個像素點，直到與原來的固定劃分的塊邊界線重合為止；使每個像素點屬于原來的固定劃分中的一個區(qū)塊，包含于不同的區(qū)塊。本發(fā)明提出了一種基于分塊相似性度量的圖像分割方法，將像素之間的位置關(guān)系考量隱含在小區(qū)塊中，對重疊劃分出來的區(qū)塊進行聚類分割，有效地改善了對像素進行聚類的分割效果。
【IPC分類】G06T7/00
【公開號】CN104952076
【申請?zhí)枴緾N201510340934
【發(fā)明人】劉詠梅, 李智慧
【申請人】哈爾濱工程大學(xué)
【公開日】2015年9月30日
【申請日】2015年6月18日