专利名称：一种尺度自适应的图像分割方法
技术领域：
本发明涉及图像分割和图像理解技术领域，尤其涉及一种尺度自适应的图像分割方法。
背景技术：
图像分割是图像处理的重要算法，业已存在众多算法。图像分割方法在遥感图像处理中是提高分类精度和提取地物信息中的重要手段，图像分割方法实现了在遥感图像中构成图斑对象。
应用图像分割技术从图像中构成图斑，主要的图像分割技术有两种[1，2]，一种以边缘检测为基础，通过边缘跟踪，形成的封闭曲线构成小图斑；另一种以区域生长为基础，依据特定的判别函数将相近的像元归并为图斑，如遥感图像处理中的多尺度分析方法等。基于区域的分割方法，其原理是按照选定的一致性准则，将图像划分为互不交迭的区域集的过程。
遥感图像处理中应用的多尺度分割算法，其一致性准则也称为分割尺度[3]，一个分割尺度对应遥感图像的一种分割，不同的分割尺度形成图像树状结构的对象表达[4]。就图像中的一个像元而言，在不同尺度的分割中，属于不同的图斑对象，形成一个图斑系列。在实际地物和影像中的图斑之间建立对应关系，就存在一个尺度问题[5]。自然界及人工对象都有其适合自身的内在尺度，而且尺度的大小不一。多尺度分析方法将多尺度分割结果用于图像分类，而国内外对分割尺度的选择缺少一个量化标准。因而，需要在图像分割过程中确定哪一个分割图斑是合理的[6]，是具有符合地物内在尺度的图斑，这正是利用图像对象空间信息的关键。只有这种符合地物对象内在尺度的图斑，根据图斑所反映的大小、形状等几何属性及图斑间的几何组合、空间关系进行空间推理才是有意义的。
1王润生，图像理解，国防科技大学出版社，1995，10月，399页.
2章毓晋，图像分割，图像工程(中册)，清华大学出版社，2005年10月第2版，477页.
3 Baatz M.，Shape A.Multiresolution segmentation，an optimizationapproach for high quality multi-scale image segmentation，in AngewandteGeographische informationsverarbeitung.XII.Beitrage zum AGIT-Symposium Salzburg 2000，T.Strobl，T.Blaschke，and G.Griesebner，Eds.，KarlsruheH.Wichmann Verlag，2000，12-234 Benz U.C.，Hofmann P.，Willhauck G.，et al.Multi-resolution，object-oriented fuzzy analysis of remote sensing data for GIS-readyinformation，ISPRS Journal of Photogrammetry & Remote Sensing，2004，58，239-2585 Quattrochi D A，Goodchild M F.Scale in remote sensing and GIS.Lewis Publishers，19976 Gorte B.，Probabilistic Segmentation of Remotely Sensed Images.InITC Publication Series，1998，63.
发明内容
本发明的目的在于提供一种尺度自适应的图像分割方法。
包括如下步骤1)图像及其主成分变换和色彩变换结果归一化后的一个或多个图层确定待分割图像集；2)设定分割方法和尺度增长方式，并以连续变化的尺度系数分割图像；3)不同尺度下的分割结果以分割过程中图斑之间的合并关系形成树形结构的图像对象表达；4)定义图斑显著性；5)以像元在连续变化尺度分割下的所属图斑变化为序组成图斑演进曲线；6)计算分割演进过程中图斑的显著性曲线、分割初尺度曲线；7)从显著性曲线中计算不同初尺度下的极大值，形成尺度倒序；8)每个像元赋予尺度倒序中首个尺度对应的极值，形成极值尺度图像；9)以极值尺度图像中的优势尺度确定分割图斑。
所述的设定分割方法和尺度增长方式，并以连续变化的尺度系数分割图像尺度增长方式为自然数增长，分割尺度系数为自然数的平方；分割方法中图斑的合并代价F计算如下F=Σdwd(nm·σdm-(n1·σd1+n2·σd2))]]>其中n为归并前后的像元数，1和2代表合并前的两个图斑，m表示合并后的图斑，σ为图斑的均方差，d为图像集的图层。
所述的定义图斑显著性包括四种方式之一D1＝hd-hc
D2＝hd-(hc+hc′)D3＝hd/hcD4＝hd/(hc+hc′)其中hd=Σd(μd-μd′)2]]>hc=Σdwd·σd]]>所述的计算分割演进过程中的图斑的显著性曲线、分割初尺度曲线分割过程中的像元随着分割尺度的变化，图斑的归并，属于不同的图斑，图斑形成时的初尺度随分割尺度变化，构成像元的尺度变化曲线；图斑的显著性随分割尺度变化，构成像元的显著性曲线。
所述的从显著性曲线中计算不同初尺度下的极大值，形成尺度倒序以连续变化尺度中的最大尺度为限制尺度；在像元的显著性曲线中的最小分割尺度和限制尺度之间，显著性曲线上最大值的初尺度作为尺度排序中的一个值，并作为新的限制尺度；依次确定尺度序中的后一个值。
所述的以极值尺度图像中的优势尺度确定分割图斑某一像元包含在一系列极值尺度分割下的图斑，比较各个图斑中像元极值为图斑分割初尺度的数量占图斑总像元数的比例，比例最大的图斑的分割初尺度作为优势尺度并赋予这一像元；在分割过程中属于同一分割图斑并且优势尺度具有四领域连通的像元集，作为分割图斑结果。
本发明对复杂图像进行分割时，如果我们使用单一的尺度分割图像，当小尺度对象达到它的内在尺度时，大尺度的对象被错分为几个小图斑；当选择的尺度足够大时，大尺度对象被正确划分成一个大的图斑时，多个小尺度的对象被归并为一个图斑。因而，本发明以图斑自身属性界定图像对象的最优分割尺度，通过分析显著性变化曲线，从存在繁多的可能分割对象中检出最有可能的对象图斑，使得不同尺度的对象具有各自适宜的分割尺度。
图1是本发明的尺度自适应的图像分割方法过程图；图2是多尺度分割方法不同尺度的分割结果图；图3是本发明尺度自适应的图像分割结果图。
具体实施例方式
本发明对显著性的定义包括图斑间的像元值距离和图斑像元值的标准差，从基于像元的分类角度，可以视为组间距离和组内离散性，这类似于一种常用的监督分类方法-费歇尔线形判别，即组间距离(均值差异)最大，组内离散性(离差平方和)最小，区别在于费歇尔线形判别对两个类别的数据无空间上的约束，而在这里我们对两类别的像元集在空间上进行限制，即图斑相邻，图斑内像元在空间上是四领域连通的。图斑的最小距离反映了图斑与相邻图斑的像元值距离，图斑的标准差反映了图斑内部的像元值均一程度，我们定义的图斑显著性同时反映了上述特性。
尺度自适应的图像分割方法包括如下步骤步骤1、图像，包括遥感影像，可以是灰度(单波段)数据，彩色(三波段)数据以及多波段数据。图像的变换包括主成分变换和色彩变换，图像和变换结果经过归一化处理，两者中的一个或多个图层作为待分割图像集。
步骤2、设定尺度增长方式为自然数增长，分割尺度系数为自然数的平方；分割方法中图斑的合并代价F如下式计算F=Σdwd(nm·σdm-(n1·σd1+n2·σd2))]]>其中n为归并前后的像元数，1和2代表合并前的两个图斑，m表示合并后的图斑，σ为图斑的均方差，d为图像集的图层。
对于特定分割尺度的单次分割而言，分割过程如下2.1图斑及图斑间的相邻关系定义如下单个像元和多个像元的像元集合都可认为是图斑。对一个图斑，考察它的边界象元，如果两个相邻图斑的像元是四领域相邻，则两个图斑是四领域法相邻的。
2.2在分割进行的过程中，随着图斑的不断合并，图斑异质性不断增大，当图像中每一个图斑都满足如下条件时①所有图斑异质性的均小于给定的阈值；②任意一个图斑再与任意一个邻域图斑合并后形成的新图斑的异质性都大于给定阈值。则认为分割过程中的一次分割完成。
2.3分割过程中的合并方法如下当一个图斑有多于一个的相邻图斑符合归并的条件或有多次符合条件的图斑对时，就需要确定一个最优的归并图斑对，其归并的代价最小。对一个图斑A，考察它的四邻域象元邻接图斑，如果A与它的某个邻接图斑B满足如下条件则称A，B满足局部相互最佳匹配原则①A与B合并后形成的大图斑的异质性小于或等于A与其它相邻图斑合并后形成的大图斑的异质性；②以B为中心图斑来寻找与B合并后满足异质性最小准则的邻接图斑C；③A＝C或者(2)中有多个满足条件的图斑，而A是其中之一。如果A，B满足局部相互最佳匹配原则就将它们合并为一个大图斑，如果不满足则以B为起始点继续查找。
步骤3、分割结果数据组织一个分割尺度对应一次分割结果，以连续变化的尺度分割图像，形成一系列的分割结果。最大分割尺度下分割的图斑作为根节点，在分割过程中合并成该图斑的所有图斑作为子节点，子节点上的图斑又是所有合并前图斑的母节点，以此组成树形结构的分割结果表达。
步骤4、图斑显著性界定，图斑和相邻图斑间像元平均值不同，形成两个图斑的距离，所有的相邻图斑集合中，存在一个最小的平均距离值。图斑的光谱平均距离值可以定义如下hd=Σd(μd-μd′)2]]>hc=Σdwd·σd]]>标准差hc代表图斑内像元值的离散程度，式中wd表示第d波段的权值，σd表示第d波段的均方差。图斑显著性由以下四种方式定义D1＝hd-hcD2＝hd-(hc+hc′)D3＝hd/hcD4＝hd/(hc+hc′)步骤5、图斑演进曲线的建立随着分割尺度的增长，对于一个像元而言，随着尺度的变化，小的图斑被合并成大的图斑，图斑归并的前后次序可以唯一确定，形成图斑演进。
步骤6，图斑的显著性曲线、分割初尺度曲线；分割过程中的像元随着分割尺度的变化，属于不同的图斑，图斑形成时的初尺度随分割尺度变化，构成像元的尺度变化曲线；图斑的显著性随分割尺度变化，构成像元的显著性曲线。显然，按照图斑显著性的定义，当目标图斑保持稳定时，相邻图斑的变化也会引起该图斑显著性的变化。
步骤7、形成尺度倒序像元随着分割尺度的变化形成的一系列图斑和图斑的显著性，首先定义最大尺度为限制尺度。在最小尺度和限制尺度之间存在一个最大的显著性。最大的显著性对象的分割初尺度作为为尺度排序中的第一个值；该值同时作为限制尺度，依次类推，形成尺度倒序。
步骤8，极值尺度图像每个像元赋予尺度倒序中首个尺度对应的极值，形成极值尺度图像。在图像分割结果中，对于具有相同最大显著性的各个相邻像元，而具有相同的分割初尺度，可以通过四邻域连通构成的图斑，称之为最大显著性集合，该分割初尺度下形成的图斑为最大显著性图斑，应该说，最大显著性图斑包含最大显著性集合。
步骤9，以极值尺度图像中的优势尺度确定分割图斑对于一个像元而言，可能存在多个最大显著性图斑包含该像元，若上述多个最大显著性图斑按分割初尺度大小排列，显然，依据图斑合并的过程，具有最大的初尺度的图斑包含上述所有图斑。
某一像元包含在一系列极值尺度分割下的图斑，比较各个图斑中像元极值为图斑分割初尺度的数量占图斑总像元数的比例，比例最大的图斑的分割初尺度作为优势尺度并赋予这一像元；在分割过程中属于同一分割图斑并且优势尺度具有四领域连通的像元集，作为分割图斑结果。
权利要求
1.一种尺度自适应的图像分割方法，其特征在于包括如下步骤1)图像及其主成分变换和色彩变换结果归一化后的一个或多个图层确定待分割图像集；2)设定分割方法和尺度增长方式，并以连续变化的尺度系数分割图像；3)不同尺度下的分割结果以分割过程中图斑之间的合并关系形成树形结构的图像对象表达；4)定义图斑显著性；5)以像元在连续变化尺度分割下的所属图斑变化为序组成图斑演进曲线；6)计算分割演进过程中图斑的显著性曲线、分割初尺度曲线；7)从显著性曲线中计算不同初尺度下的极大值，形成尺度倒序；8)每个像元赋予尺度倒序中首个尺度对应的极值，形成极值尺度图像；9)以极值尺度图像中的优势尺度确定分割图斑。
2.根据权利要求1所述的一种尺度自适应的图像分割方法，其特征在于所述的设定分割方法和尺度增长方式，并以连续变化的尺度系数分割图像尺度增长方式为自然数增长，分割尺度系数为自然数的平方；分割方法中图斑的合并代价F计算如下F=Σdwd(nm·σdm-(n1·σd1+n2·σd2))]]>其中n为归并前后的像元数，1和2代表合并前的两个图斑，m表示合并后的图斑，σ为图斑的均方差，d为图像集的图层。
3.根据权利要求1所述的一种尺度自适应的图像分割方法，其特征在于所述的定义图斑显著性包括四种方式之一D1＝hd-hcD2＝hd-(hc+hc′)D3＝hd/hcD4＝hd/(hc+hc′)其中hd=Σd(μd-μd′)2]]>hc=Σdwd·σd]]>
4.根据权利要求1所述的一种尺度自适应的图像分割方法，其特征在于所述的计算分割演进过程中的图斑的显著性曲线、分割初尺度曲线分割过程中的像元随着分割尺度的变化，图斑的归并，属于不同的图斑，图斑形成时的初尺度随分割尺度变化，构成像元的尺度变化曲线；图斑的显著性随分割尺度变化，构成像元的显著性曲线。
5.根据权利要求1所述的一种尺度自适应的图像分割方法，其特征在于所述的从显著性曲线中计算不同初尺度下的极大值，形成尺度倒序以连续变化尺度中的最大尺度为限制尺度；在像元的显著性曲线中的最小分割尺度和限制尺度之间，显著性曲线上最大值的初尺度作为尺度排序中的一个值，并作为新的限制尺度；依次确定尺度序中的后一个值。
6.根据权利要求1所述的一种尺度自适应的图像分割方法，其特征在于所述的以极值尺度图像中的优势尺度确定分割图斑某一像元包含在一系列极值尺度分割下的图斑，比较各个图斑中像元极值为图斑分割初尺度的数量占图斑总像元数的比例，比例最大的图斑的分割初尺度作为优势尺度并赋予这一像元；在分割过程中属于同一分割图斑并且优势尺度具有四领域连通的像元集，作为分割图斑结果。
全文摘要
本发明公开了一种尺度自适应的图像分割方法。包括如下步骤1)图像及其变换结果的一个或多个图层确定待分割图像集；2)设定分割方法和尺度增长方式，并以连续变化的尺度系数分割图像；3)不同尺度下的分割结果以图斑之间的合并关系形成树形结构的图像对象表达；4)定义图斑显著性；5)连续变化尺度分割下的图斑组成图斑演进曲线；6)形成分割演进过程中图斑的显著性曲线、分割初尺度曲线；7)从显著性曲线中计算极值形成尺度倒序；8)尺度倒序中对应的极值形成极值尺度图像；9)以极值尺度图像中的优势尺度确定分割图斑。本发明以图斑自身属性界定图像对象的最优分割尺度，使得不同尺度的对象具有各自适宜的分割尺度。
文档编号G06T5/00GK101038667SQ20071006821
公开日2007年9月19日 申请日期2007年4月24日 优先权日2007年4月24日
发明者陈建裕 申请人:国家海洋局第二海洋研究所