专利名称：：一种基于数据场的图像分割方法
技术领域：
：本发明涉及图像处理中的图像分割、目标识别，特别涉及一种利用数据场实现图像分割的方法。
背景技术：
：图像分割就是指把图像分成各具特性的区域，并利用图像信息中部分特征提取图像中若干感兴趣目标的技术和过程(章毓晋，2001)。图像分割是图像处理中的一项关键技术，也是计算机视觉领域低层次视觉中的主要问题，同时又是一个经典难题。数据场是一种不确定知识发现的物理学方法(李德毅，杜鹋，2005)。它借鉴物理学中场的概念来描述客体间的相互作用。将自然语言中的概念、语言值、词，甚至论域空间中的数据点、图像中的每一个像素，都看做场空间中相互作用的客体或者对象，好比是物理场空间中的一个点电荷或者质点，位于场内的所有其他客体都受到该客体的作用，在整个论域空间形成一个场，整个数域空间形成一个数据场。数据场理论以认知物理学为理论基础，为数据分析和处理提供了一种崭新的思路。它以物理场的等势线为基础可视化地进行数据分析，并结合信息论中熵的概念为数据分析提供理论基础。数据场在图像处理中已经得到一些应用。如采用数据场和"势"的概念，以人脸表情图像为研究对象，通过提取数据场不同层次的局部极大值点，实现概念粒度的跃升，实现基于数据场的图像数据挖掘(戴晓军，淦文艳，李德毅，2004)。将人脸图像的像素点作为数据点，将像素灰度值作为数据点的质量，形成数据场，提出了基于数据场的特征提取算法，并应用于人脸识别(吕辉军，2002)。将数据场引入图像分割领域实现图像分割的研究除了本发明的申请者及其学生所从事的研究工作以外，还没有其他研究人员的相关研究的报道。图像分割的过程实际是上是将图像的各个像素或者是图像的所有灰度值进行聚类的过程，聚类的结果便自然地将图像数据划分为各具特性的不同区域。数据场的等势线的自然拓扑聚类特性为图像分割提供了可行性，对于利用数据场进行图像分割具有一定的优势。本发明以认知物理学为理论基础，引入数据场为图像分割和效果评价提出了一种崭新的思路和有效地方法。实验表明，相对于现有技术，本发明的方法可以得到更好的图像分割效果，并且还具有很好的抗噪性。下面结合附图对本发明进行详细说明。
发明内容本发明的目的是提供一种基于数据场的图像分割方法，利用数据场的等势线的自然拓扑聚类特性实现图像分割。本发明的基于数据场的图像分割方法包括以下步骤把图像中每个像素定义为二维空间中的一个数据对象；把像素的灰度值定义为所述数据对象的质量；利用每个像素的灰度值，得到每个像素的势值；根据所述像素的等势值生成等势线，从而生成图像数据场；以及利用所述数据场分割图像。其中，所述数据场中任意点x的像素势值通过以下势函数公式得到其中，Pij=A(i，j)(i=1，2，3，…，m;j二l，2，3，…，n)是像素灰度值，A是灰度图像，o是影响因子。其中，所述的利用数据场分割图像是基于数据场的交互式分割，包括以下步骤通过放大、移动图像数据场，人机交互式地选择合适的势值作为分割阈值；利用所述分割阈值，对图像数据场进行分割。其中，所述的人机交互式地选择合适的势值作为分割阈值的步骤包括根据噪声或分割兴趣目标状况，调整影响因子o，得到较佳图像数据场；通过放大、移动图像数据场，找到兴趣目标所对应的势值区间(范围)；从所述势值区间中选择一个合适的势值。其中，所述的利用数据场分割图像是基于等势值的自动分割，包括以下步骤从所述图像数据场中找到势值最大值和最小值；依据所要分割的分割类数，从所述势值最大值与最小值的区间进行平均分割取值，从而得到针对图像数据场的自动分割阈值；以及利用所述自动分割阈值，对图像分割进行自动分割。其中所述分割类数是这样得到的根据噪声和分割兴趣目标状况，调整影响因子o，得到最佳图像数据场；依据最佳图像数据场中的不同势值所对应的像素聚类图形，选取像素聚类的数量，以此作为分割类数。其中，所述自动分割阈值包括多个适于不同区间的分割阈值，其数量对应于所述分割类数。其中，所述的利用数据场分割图像是基于势值-频率分割，包括以下步骤根据所述图像数据场的等势值，寻找最大、最小势值；计算最大、最小势值区间内每个势值对应的频率，由此生成势值与频率一一对应的数据点；除去势值两端频率为零的数据点，然后根据这些数据点，生成势值-频率数据场；依次消除数据场的势心，生成各个聚类中心；根据聚类中心自动实现图像分割。其中，所述生成势值_频率数据场的步骤包括在势值为横坐标轴、相应频率为纵坐标轴的二维坐标上，构建势值与频率一一对应的数据点，由这些数据点形成势值-频率数据场。图1显示了图像数据场的生成，其中图1(a)显示了cameraman原图，图1(b)为cameraman图像的图像数据场；图2显示了影响因子对cameraman原图和加噪后图像数据场的影B向，反映了通过确定合适的影响因子，可以很好地减少噪声的影响，其中图2(a)显示了影响因子o=0.01时的cameraman原图的图像数据场，图2(b)显示了影响因子o=0.01时的加噪后的cameraman图像数据场，图2(c)显示了影响因子o=1.0时的cameraman原图的图像数据场，图2(d)显示了影响因子o=l.O时的加噪后的cameraman图像数据场，图2(e)显示了影响因子o=2.0时的cameraman原图的图像数据场，图2(f)显示了影响因子o=2.0时的加噪后的cameraman图像数据场，图2(g)显示了影响因子o=4.0时的cameraman原图的图像数据场，图2(h)显示了影响因子o=4.0时的加噪后的cameraman图像数据场，图2(i)显示了影响因子o=10.0时的cameraman原图的图像数据场，图2(j)显示了影响因子o=10.0时的加噪后的cameraman图像数据场；图3显示了基于数据场的交互式图像分割的过程，其中图3(a)显示了cameraman原图，图3(b)显示了所生成的初始图像数据场，图3(c)显示了叠加了原始图像的最优因子下的图像数据场，图3(d)显示了没有叠加图像的最优影响因子下图像数据场，图3(e)显示了交互式选择提取特定目标(手)的等势值的阈值，从而提取出感兴趣目标，图3(f)显示了利用交互式方法实现图像分割的结果，有效地提取了感兴趣目标(手部)；图4显示了基于等势值的自动分割的图像分割过程，其中图4(a)显示了原始图像，图4(b)显示了叠加了原始图像的最优影响因子下图像数据场，图4(c)显示了没有叠加原始图像的最优影响因子下图像数据场，图4(d)显示了根据输入类数10自动实现分割的结果；图5显示了基于"势值_频率"的图像分割过程，其中图5(a)显示了Lena原始图像，图5(b)显示了所生成的图像数据场，图5(c)显示了所生成的"势值-频率"数据点，图5(d)显示了所生成的二维"势值-频率"数据场，图5(e)显示了所生成的三维"势值-频率"数据场，图5(f)显示了第一次消除势心的结果，图5(g)显示了第二次消除势心的结果，图5(h)显示了第三次消除势心的结果，图5(i)显示了根据聚类中心实现图像分割的结果；图6显示了与其它方法进行对比实验的实验原图，其中图6(a)显示了Polygon图像，图6(b)显示了Flower图像，图6(c)显示了加噪后信噪比为26的Fingerprint图像。具体实施例方式本发明的基于数据场的图像分割方法包括图像数据场的生成、基于数据场的交互式分割、基于等势值的自动分割、基于"势值-频率"的分割等关键技术。(1)图像数据场的生成给定mXn像素的灰度图像A^n，若将每个像素点视为二维空间中的一个数据对象，将像素点的灰度Pij=A(i，j)(i=1，2，3，…，m;j=1，2，3，…，n)视为数据对象的质量(假设灰度值Pu已归一到区间)，则所有像素点在二维数据空间中的相互作用就可以确定一个图像数据场。根据数据场的势函数公式，场中任一点x的势值可以计算为根据以上公式计算得到每个图像像素的势值，根据图像像素的势值生成等势线，从而生成图像数据场。(2)基于数据场的交互式分割根据图像数据场的生成方法生成图像数据场后，通过放大、移动图像数据场，人机交互地选择合适的势值作为分割阈值，从而提取出感兴趣的目标。具体包括以下步骤1)对于一幅灰度图像，根据第一步(图像数据场的生成)中所介绍的方法生成该图像的数据场；2)根据噪声或分割目标情况，调整影响因子，重新生成图像数据场；3)通过放大、移动图像数据场，观察目标所对应的势值区间；4)设置分割阈值，对图像数据场进行分割；5)获得图像分割的初始结果；6)观察分割结果，若不理想，继续调整影响因子，重新进行分割，直到满足要求为止。(3)基于等势值的自动分割关键技术(2)中所介绍的交互式图像分割方法的优点在于在分割中可人机交互地调整参数以取得满意的分割结果。然而，太多参数输入和所确定阈值的主观性是该方法的一个弊端。因此，在图像数据场的基础上，可以根据等势值实现自动图像分割。其基本思路是找到图像数据场的最大值和最小值，根据所要分割类数进行平均分割取值，从而得到针对图像数据场的自动分割阈值，从而实现图像分割。具体包括以下步骤l)生成图像数据场；2)根据噪声情况和分割目的，调整影响因子，得到最佳图像数据场；3)确定分割类数，输入相关参数(分割类数)；4)根据所输入的分割类数实现图像分割。(4)基于"势值-频率"的分割根据图像数据场，构建具有二维属性的数据点，以势值为横坐标、相应频率为纵坐标。由这些点生成"势值-频率"数据场，使其自然聚类，既考虑了势值域的距离，又考虑了频率域的差距。通过消除势心的方法，依次找到聚类中心。根据聚类中心对应的势值，进行自动图像分割。这就是基于"势值-频率数据场"的自动图像分割的思想。该方法具体包括以下步骤1)生成图像数据场；2)根据图像数据场的等势值，寻找最大、最小势值；3)根据最大最小势值，计算对应的频率，生成"势值-频率"数据点；4)对数据点进行整理，除去势值两端频率为零的数据点，然后根据这些数据点，生成"势值-频率"数据场；5)依次消除数据场的势心，生成各个聚类中心；6)根据聚类中心自动实现图像分割。下面通过一个实施例，详细说明本发明的基于数据场的图像分割方法。本发明的基于数据场的图像分割方法包括以下步骤把图像中每个像素定义为二维空间中的一个数据对象；把像素的灰度值定义为所述数据对象的质量；利用每个像素的灰度值，得到每个像素的势值；根据所述像素的等势值生成等势线，从而生成图像数据场；以及利用所述数据场分割图像。这里可以按照势值从大到小或者从小到大的趋势生成等势线。其中所述数据场中任意点x的像素势值通过以下势函数公式得到其中，Pij=A(i，j)(i=1，2，3，…，m;j二l，2，3，…，n)是像素灰度值，A是灰度图像，o是影响因子。利用数据场分割图像是基于数据场的交互式分割，包括以下步骤通过放大、移动图像数据场，人机交互式地选择合适的势值作为分割阈值；利用所述分割阈值，对图像数据场进行分割。图像数据场是根据图像像素点在二维数据空间中的相互作用，利用数据场势函数计算公式^c^ZZ^.xe—(1"")2计算出每个像素点所在位置的势值，势值反映了该像素与周围像素的相互作用的大小。图像分割是把图像分割成各个具有相似特性的区域，每种图像区域内部的像素间具有相似的特性，像素间具有相互作用，因此可以利用图像数据场的势值反映这种相互作用的大小。因此，可以根据这种相互作用的大小实现图像分割。由于图像数据场包括具有不同势值的区间，因此利用分割阈值，对图像数据场进行分割，就是提取与该分割阈值范围相对应的兴趣目标。以图1为例，如果目的是为了提取出"手"，通过放大局部数据场，观察目标"手"的势值区间，通过观察，设定阈值为52.068142，从而提取该阈值52.068142±3.06范围的目标"手"。其中，所述的人机交互式地选择合适的势值作为分割阈值的步骤包括根据噪声或分割兴趣目标状况，调整影响因子o，得到较佳图像数据场；通过放大、移动图像数据场，找到兴趣目标所对应的势值区间；从所述势值区间中选择一个合适的势值。其中，所述的利用数据场分割图像是基于等势值的自动分割，包括以下步骤从所述图像数据场中找到势值最大值和最小值；依据所要分割的分割类数，从所述势值最大值与最小值的区间进行平均分割取值，从而得到针对图像数据场的自动分割阈值；以及利用所述自动分割阈值，对图像进行自动分割。根据图像数据场实现图像分割的主要思想就是根据图像数据场势值大小确定不同的图像分类区域，因此必须找出图像数据场势值的最大值和最小值，根据最大值和最小确定数据场势值的区间，然后对该区间进行聚类划分，划分为各个子类，每个子类对应一个图像区域和图像类型，从而实现图像分割。这里所述的利用所述自动分割阈值，对图像进行自动分割，就是提取其势值与自动分割阈值或者其范围相对应的子类。对于图像分割来说，每个图像区域和图像类型对应一定的图像灰度区间，从而对应一定的图像数据场的势值区间。在图像分割过程中，具体分割成多少个区域可以由用户根据实际需要来确定。例如对于某个图像，用户需要提取出指定数目的图像目标，根据指定的图像目标的数目对数据场势值范围进行平均划分，可以实现自动图像分割。其中，所述分割类数通过以下步骤得到根据噪声和分割兴趣目标状况，调整影响因子o，得到最佳图像数据场；依据最佳图像数据场中的不同势值所对应的像素聚类图形，选取像素聚类的数量，以此作为分割类数。其中，所述自动分割阈值包括多个适于不同区间的分割阈值，其数量对应于所述分割类数。其中，所述的利用数据场分割图像是基于势值-频率分割，包括以下步骤根据所述图像数据场的等势值，寻找最大、最小势值；计算最大、最小势值区间内每个势值对应的频率，由此生成势值与频率一一对应的数据点；除去势值两端频率为零的数据点，然后根据这些数据点，生成势值-频率数据场；依次消除数据场的势心，生成各个聚类中心；根据聚类中心自动实现图像分割。确定了图像数据场的势值最大值和最小值区间以后，分别统计该区间的每个势值所对应的像素点的数目，然后除以像素点的总数目，就可以得到具有该势值的像素点的频率。例如对于势值最大值于和最小值之间的某个势值，如52.O，分别统计整个图像数据场中具有该势值的像素点数，然后除于总像素数，得到具有该势值的频率。从数据场中可以看出，势场的极值位置，往往代表了一些数据的聚类中心，因为这些局部极值体现了局部数据的整体特性。找到数据场中的这些势值的极值，也就等同于找到了这些数据的聚类中心。所谓数据场的势心就是指这些数据场的聚类中心。消除数据场的势心的方法可以是在获取下一个聚类中心点之前，有必要削除刚才辩识过的聚类中心点的影响。是为了剔除辩识过的聚类中心点对再次聚类的影响，所以修改的焦点是数据辐射半径，使辩识过的聚类势心点的势值为0。在每次削除势心后，都应该再次重新计算数据场的场强。因此，修改后得到的新场强函数是一个递推函数式。生成各个聚类中心可以这样实现首先找出第一个聚类中心，然后利用前述的消除数据场势心的方法得到消除势心后的数据场，然后从消除势心后的数据场再次找聚类中心，得到第二个聚类中心；然后再利用消除势心的方法得到消除后的数据场，然后再找聚类中心，这样得到第三个聚类中心。依此类推得到各个聚类中心。通过对图像数据场进行聚类，得到不同的聚类，每个聚类有一个聚类中心，根据聚类中心确定不同的聚类，每个类对应一个图像类型和图像区域，对属于每一个聚类的图像像素赋予一种图像类型，从而实现图像分割。其中，所述生成势值_频率数据场的步骤包括在势值为横坐标轴、相应频率为纵坐标轴的二维坐标上，构建势值与频率一一对应的数据点，由这些数据点形成势值-频率数据场。下面通过几个实例，进行进一步说明。实例1:图1显示了图像数据场的生成。实例2:图2显示了影响因子对cameraman原图和加噪后图像数据场的影响，反映了通过确定合适的影响因子，可以很好地减少噪声的影响。实例3:图3显示了基于数据场的交互式图像分割的过程。实验结果表明该方法取得了较好的效果，能够很好地提取出感兴趣目标(手部)。实例4:图4显示了基于等势值的自动分割的图像分割过程。实验表明该方法能够方便快捷地实现图像的自动分割。实例5:图5显示了基于"势值_频率"的图像分割过程。实验表明该方法取得了很好的分割效果。实例6:选取如图6所示的三幅实验图像Polygon图像、Flower图像和加噪后信噪比为26的Fingerprint图像进行对比实验，将基于数据场的等势值的图像分割方法与最优阈值分割法、模糊C均值聚类FCM图像方法进行误分率的对比分析，对比分析结果如表1所示。表1:不同图像分割方法的误分率对比<table>tableseeoriginaldocumentpage10</column></row><table>由表1可以看出，总体上，这三种方法都比较有效。对最为简单的Polygon图像，这三种算法都表现出很好的性能，但基于数据场的等势值分割方法稍差；对较为复杂的Flower图像，这三种方法性能上比较接近；而对有噪声点的Fingerpinter图像，基于数据场的方法又表显了其优势。表明数据场图像分割方法有很好的抗噪性。尽管上文对本发明进行了详细说明，但是本发明不限于此，本
技术领域：
技术人员可以根据本发明的原理进行各种修改。因此，凡按照本发明原理所作的修改，都应当理解为落入本发明的保护范围。权利要求一种基于数据场的图像分割方法，包括首先生成图像数据场；然后进行基于数据场的图像交互式分割，或者进行基于等势值的图像自动分割，或者进行基于“势值-频率”的图像分割。2.—种基于数据场的图像分割方法，包括以下步骤把图像中每个像素定义为二维空间中的一个数据对象；把像素的灰度值定义为所述数据对象的质量；利用每个像素的灰度值，得到每个像素的势值；根据所述像素的等势值生成等势线，从而生成图像数据场；以及利用所述数据场分割图像。3.根据权利要求1或2所述的图像分割方法，其中所述数据场中任意点x的像素势值通过以下势函数公式得到其中，Pij=A(i，j)(i=1，2，3，…，m;j二l，2，3，…，n)是像素灰度值，A是灰度图像，o是影响因子。4.根据权利要求1或2或3所述的图像分割方法，其中所述的利用数据场分割图像是基于数据场的交互式分割，包括以下步骤通过放大、移动图像数据场，人机交互式地选择合适的势值作为分割阈值；利用所述分割阈值，对图像数据场进行分割。5.根据权利要求4所述的图像分割方法，其中所述的人机交互式地选择合适的势值作为分割阈值的步骤包括根据噪声或分割兴趣目标状况，调整影响因子o，得到较佳图像数据场；通过放大、移动图像数据场，找到兴趣目标所对应的势值区间(范围)；从所述势值区间中选择一个合适的势值。6.根据权利要求1或2或3所述的图像分割方法，其中所述的利用数据场分割图像是基于等势值的自动分割，包括以下步骤从所述图像数据场中找到势值最大值和最小值；依据所要分割的分割类数，从所述势值最大值与最小值的区间进行平均分割取值，从而得到针对图像数据场的自动分割阈值；以及利用所述自动分割阈值，对图像分割进行自动分割。7.根据权利要求6所述的图像分割方法，其中所述分割类数通过以下步骤得到根据噪声和分割兴趣目标状况，调整影响因子o，得到最佳图像数据场；依据最佳图像数据场中的不同势值所对应的像素聚类图形，选取像素聚类的数量，以此作为分割类数。8.根据权利要求6所述的图像分割方法，其中所述自动分割阈值包括多个适于不同区间的分割阈值，其数量对应于所述分割类数。9.根据权利要求1或2或3所述的图像分割方法，其中所述的利用数据场分割图像是基于势值_频率分割，包括以下步骤根据所述图像数据场的等势值，寻找最大、最小势值；计算最大、最小势值区间内每个势值对应的频率，由此生成势值与频率一一对应的数据点；除去势值两端频率为零的数据点，然后根据这些数据点，生成势值-频率数据场；依次消除数据场的势心，生成各个聚类中心；根据聚类中心自动实现图像分割。10.根据权利要求9所述的图像分割方法，其中所述生成势值_频率数据场的步骤包括在势值为横坐标轴、相应频率为纵坐标轴的二维坐标上，构建势值与频率一一对应的数据点，由这些数据点形成势值_频率数据场。全文摘要本发明公开了一种基于数据场的图像分割方法，包括把图像中每个像素定义为二维空间中的一个数据对象；把像素的灰度值定义为所述数据对象的质量；利用每个像素的灰度值，得到每个像素的势值；根据所述像素的等势值生成等势线，从而生成图像数据场；以及利用所述数据场分割图像。实验表明，相对于现有技术，本发明的方法可以得到更好的图像分割效果，并且还具有很好的抗噪性。文档编号G06T7/00GK101727656SQ20081017223公开日2010年6月9日申请日期2008年10月31日优先权日2008年10月31日发明者孔祥兵,孙岩,李德毅,杜鹢,秦昆申请人:李德毅;杜鹢;秦昆;孔祥兵;孙岩