本發明專利技術提供一種基于廣義數據場和Ncut算法的圖像分割方法，首先，將特征空間劃分為層次網格，第一層網格和第二層網格，同時形成與之對應的網格特征空間Ωs和Ωb，第一層每8個相鄰小網格形成第二層的一個大網格；然后通過運用GDF算法基于第二層網格計算得到第一層網格的勢值分布。基于勢值分布，再將第一層網格進行聚類，聚類結果映射到圖像上，從而實現對于一幅圖像的初始分割操作，將其劃分為不同的彼此不相交的區域；最后，基于圖像初始分割的結果構建無向加權圖后，運用基于區域的Ncut算法來合并性質相同的區域，直至達到最佳圖像分割結果。本發明專利技術在圖像分割上具有快速、簡單、準確的優點。
【技術實現步驟摘要】
本專利技術屬于圖像處理
，特別涉及。
技術介紹
圖像分割就是將一幅圖像劃分為有意義且不重合的區域，每塊區域幾乎具有相同的性質，這是圖像處理研究中重要的環節，同時也是計算機視覺中重要的研究課題；目標檢測、特征提取、目標識別都依賴準確的圖像分割技術，由于圖像分割技術作為圖像處理中一項基礎工作，因此得到了較為廣泛的應用，各種分割算法相繼被提出。在眾多分割算法中，非參數聚類是其中最簡單且應用最為廣范的一種圖像分割算法，非參數聚類方法大致可以劃分為兩類層次聚類和密度估計；層次聚類技術依據數據 點之間的距離進行分類，這樣往往導致較高的計算復雜性，以及不能為數據聚類直接定義一個有意義的停止準則，這意味著不同的數據集需要設置不同的停止準則；基于密度估計的非參數聚類的基本原理是在特征空間中用經驗概率密度函數描繪數據集的特征分布，特征空間中的密集區域對應密度函數的局部最大值(即頂點)，一旦確定了頂點的位置，便可以根據特征空間的局部結構確定聚類結果，例如，mean shift (MS)是一種非參數圖像聚類算法，但是單獨的MS算法對窗寬參數的選擇很敏感，即針對不同的參數設置，該算法的分割結果有差異性很大，而且是一種很耗時的分割算法，因此，在實際運用中，該算法的分割結果可能會出現過多的分割區域、錯誤的分割以及在分割進程中花費太多的時間。在一些提出的算法中，為了改善MS的分割結果，集成了基于圖的分割方法，基于圖的方法也是圖像分割中非常重要的一類，例如有normalized cuts (Ncut), averageassociation, minimum cut等等；在這些方法中，把每個像素點看作一個頂點,相鄰的點之間由一條邊連接，而兩個點的不相似度量作為邊的權重，從而構造一個無向加權圖，與其他基于圖的分割算法相比，Ncut算法的應用較為廣泛，為了克服MS圖像分割算法的缺點，將MS算法與遞歸Ncut算法相互結合，稱其為MS-Ncut,MS-Ncut算法首先通過MS算法得到包含很多碎塊的初始分割圖像，然后根據這些過分割的塊建立一個無向加權圖，采用Ncut算法修正初始分割結果，在Ncut運算過程中，每個結點生成輔助子節點雖然在一定程度上進一步優化了分割結果，但是對于MS-Ncut中出現的問題并沒有從根本上解決，而且大大增加了算法的時間復雜度。
技術實現思路
為了得到更好的分割結果，避免出現上述的問題，本專利技術提出了一種新的圖像分割算法一，該方法能夠通過集成廣義數據場⑶F與Ncut兩種算法，簡單、迅速、準確地將一幅圖像劃分為邏輯上有意義的區域。為解決上述技術問題，本專利技術采用如下技術方案I、，包括以下步驟，步驟I、層次網格的劃分以及勢值估計，具體包括以下步驟，步驟I. I、將圖像的RGB顏色特征空間轉換為L*u*v*或L*a*b*顏色特征空間，將L*u*v*或L*a*b*顏色特征空間Q劃分為2NX 2NX 2N個小網格作為第一層網格,計算每個小網格內數據點的均值，并以此作為該小網格的特征值，形成一個新的特征空間Qs ;步驟I. 2將八鄰域小網格合并成為一個大網格作為第二層網格，形成一個新的特征空間Qb及其相應的網格空間坐標值；步驟I. 3根據勢值估計公式計算第一層網格內每個小網格的勢值#(/),權利要求1.，其特征在于包括以下步驟， 步驟I、層次網格的劃分以及勢值估計，具體包括以下步驟， 步驟I. I、將圖像的RGB顏色特征空間轉換為L*u*v*或L*a*b*顏色特征空間，將L*u*v*或L*a*b*顏色特征空間Ω劃分為2NX 2NX 2N個小網格作為第一層網格,計算每個小網格內數據點的均值，并以此作為該小網格的特征值，形成一個新的特征空間; 步驟I. 2將八鄰域小網格合并成為一個大網格作為第二層網格，形成一個新的特征空間Qb及其相應的網格空間坐標值； 步驟I. 3根據勢值估計公式計算第一層網格內每個小網格的勢值斜/),2.根據權利要求I所述的，其特征在于所述步驟3具體包括以下步驟， 步驟3. I基于步驟2. 3中得到的不重和的初始區域構建一個無向加權圖G= (V，E，W)，V是圖像的頂點，E是連接頂點的邊的集合，W是權重矩陣，根據公式W(Lj)=全文摘要本專利技術提供，首先，將特征空間劃分為層次網格，第一層網格和第二層網格，同時形成與之對應的網格特征空間Ωs和Ωb，第一層每8個相鄰小網格形成第二層的一個大網格；然后通過運用GDF算法基于第二層網格計算得到第一層網格的勢值分布。基于勢值分布，再將第一層網格進行聚類，聚類結果映射到圖像上，從而實現對于一幅圖像的初始分割操作，將其劃分為不同的彼此不相交的區域；最后，基于圖像初始分割的結果構建無向加權圖后，運用基于區域的Ncut算法來合并性質相同的區域，直至達到最佳圖像分割結果。本專利技術在圖像分割上具有快速、簡單、準確的優點。文檔編號G06T7/00GK102855624SQ20121026561公開日2013年1月2日 申請日期2012年7月23日 優先權日2012年7月23日專利技術者王樹良, 李英, 尹進飛, 陳其良, 李偉 申請人:武漢大學本文檔來自技高網...
【技術保護點】
一種基于廣義數據場和Ncut算法的圖像分割方法，其特征在于：包括以下步驟，步驟1、層次網格的劃分以及勢值估計，具體包括以下步驟，步驟1.1、將圖像的RGB顏色特征空間轉換為L*u*v*或L*a*b*顏色特征空間，將L*u*v*或L*a*b*顏色特征空間Ω劃分為2N×2N×2N個小網格作為第一層網格，計算每個小網格內數據點的均值，并以此作為該小網格的特征值，形成一個新的特征空間Ωs；步驟1.2將八鄰域小網格合并成為一個大網格作為第二層網格，形成一個新的特征空間Ωb及其相應的網格空間坐標值；步驟1.3根據勢值估計公式計算第一層網格內每個小網格的勢值在特征空間Ωb中，表示坐標為(ith，jth，kth)的網格，是(ith，jth，kth)網格的質量，fiujuku=(fiujuku(1),fiujuku(2),fiujuku(3)),wiujuku=Qiujuku×e-(x-xiujukuσX)2+(y-yiujukuσY)2,是位于網格(ith，jth，kth)內數據點的數量，是對應于網格(ith，jth，kth)的空間坐標值，σX和σY是空間影響因子，σ＝ch＝c(h1，h2，h3)T，σj=chj，j=1、2、3，c是比例常數，h＝(h1，h2，h3)T是核密度估計的窗寬，K(x)為單位勢函數；步驟2、根據小網格的勢值分布，對小網格聚類，將聚類結果映射到圖像，圖像劃分為不同的彼此不相交的區域，具體步驟為：步驟2.1.對步驟1.3中的公式求偏導，得到公式：利用其計算第一層網格中每個小網格的偏導，并以此來確定所有的頂點網格，通過六鄰域模式組合頂點網格來描繪聚類{Ck}k＝1，…，v，其中Ck至少包含一個頂點網格；步驟2.2對于每一個k＝1，2，…，v，聚類Ck中的頂點網格作為初始數據點，沿著梯度值上升的方向搜索網格，直到梯度值不再上升即為止，將沿路搜索到的小網格劃分到聚類Ck中；步驟2.3搜索完畢后，對于每一個聚類Ck，k＝1，2，…，v，將每一聚類內所有的數據點映射到圖像上，并合并在空間上數據點個數少于M（20≤M≤100）個點的圖像碎塊，一幅圖像被劃分為R塊不重合的初始區域Ωi，i＝1，2，…，R；步驟3、運用基于區域的Ncut算法合并過分分割的區域；其中所用到的計算權重矩陣W的公式為：w(i,j)=1niΣf∈Ωie-[||f-Fj||σI]2+1njΣf∈Ωje-[||f-Fi||σI]20.FDA00001919392600011.jpg,FDA00001919392600012.jpg,FDA00001919392600013.jpg,FDA00001919392600014.jpg,FDA00001919392600015.jpg,FDA00001919392600018.jpg,FDA00001919392600019.jpg,FDA000019193926000110.jpg,FDA00001919392600021.jpg,FDA00001919392600022.jpg...
【技術特征摘要】
【專利技術屬性】
技術研發人員：王樹良，李英，尹進飛，陳其良，李偉，
申請(專利權)人：武漢大學，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。