专利名称：阈值约束最小生成树算法的区域合并方法
技术领域：
本发明涉及图像处理技术，具体的说，涉及一种对分水岭分割产生的“过分割”区 域进行阈值约束最小生成树算法的区域合并方法。
背景技术：
分水岭算法是一种基于数学形态的图像分割方法，它的优点是全局分割、边界闭 合、实现效率高、准确率高，并且在算法的稳定性以及实用性上都具有优势。但分水岭变换 基于梯度幅度图像进行，易受噪声影响，导致分水岭分割结果产生大量的“过分割”区域。针 对分水岭算法的“过分割”问题，一般采用分割前的图像预处理，即图像滤波，和分割后的区 域合并减少“过分割”。相比图像预处理操作，分割后区域合并是更为有效地减少“过分割” 的手段。目前常用的合并方法主要是阈值约束和基于图论的方法，其中图论中的方法主要 ^lli舌匿令P (region adjacency graph, RAG)(nearest neighbor graph, NNG)。在RAG方法中，区域合并的顺序和区域的标记顺序有关，标记的顺序不同，区域合并 的顺序就不同，合并结果也不同，并且RAG方法不能保证邻近区域中特征差异最小的区域 最先合并；NNG方法是对RAG方法的改进，虽然合并结果不随标记顺序变化，但是NNG方法 只在局部区域范围考虑内保证特征差异最小的区域最先合并，合并不是全局最优的，并且 包含很多冗余操作，效率不高。
发明内容
本发明提供一种对分水岭分割的“过分割”区域进行阈值约束最小生成树算法的 快速有效的区域合并方法。本发明的基本思路为对分水岭分割的结果构建区域邻接图；对构建的图进行阈 值约束最小生成树算法合并“过分割”区域。常规的基于阈值的合并准则只依赖阈值，随机 地从某个区域开始合并操作，开始的区域不同，合并的次序不同，合同的结果也不同。本发 明结合图论的最小生成树算法和常规的阈值约束进行合并，使相似的邻接区域优先合并， 快速有效地合并掉过大量“过分割”区域，避免单纯依据阈值不能有效获得勻质区域的问 题。本发明的技术方案提供的阈值约束最小生成树算法的区域合并方法，其特征在于 包括以下实施步骤A对图像进行分水岭分割；B对分水岭分割的结果构建区域邻接图；C依据图论中的最小生成树Boruvka算法结合阈值约束进行图合并，使相似的邻 接区域优先合并，并更新合并结果；D依据图论中的最小生成树Kruskal算法结合阈值约束对步骤C中的合并结果进 行图合并，使相似的邻接区域优先合并，并更新合并结果；E设置迭代次数，通过执行步骤D进行迭代合并，得到最终的合并结果。
上述实施步骤的特征在于步骤B中所述的区域邻接图是以分割的区域为图的顶点，相邻区域的邻接关系形 成图的边，邻接区域间的特征差异为图中连接两个顶点的边的权值；邻接区域间的特征差 异通过邻接区域的光谱均值差异、纹理差异、邻接区域公共边界的平均边界强度定义；步骤C中所述的依据图论中的最小生成树Boruvka算法结合阈值约束的图合并， 其特征是在最小树生成的过程中加入边的权值的阈值进行约束，使得最小树的生成会在中 间被打断，成为若干个树，树的个数表示合并后区域的个数，树的顶点表示合并的区域。步骤D中所述的依据图论中的最小生成树Kruskal算法结合阈值约束的图合并， 其特征是在最小树生成的过程中加入边的权值的阈值进行约束，使得最小树的生成会在中 间被打断，成为若干个树，树的个数表示合并后区域的个数，树的顶点表示合并的区域。步骤E中所述的迭代合并过程是指每一迭代前都要对上一次区域合并后更新的 结果，构建新的区域邻接图，然后按照步骤D进行图合并。本发明与现有技术相比有如下特点本发明中利用图论构造最小生成树的算法确 定“过分割”区域合并的顺序，结合常用的阈值约束方法，依次使用一次Boruvka算法和迭 代使用Kruskal算法进行区域，不仅使“过分割”区域大量快速减少，提高了合并的效率，同 时获得比较好的合并效果。
图1对分水岭分割进行合并的流程2由分割区域生成的区域邻接图示意!BBoruvka算法进行区域合并的流程4Kruskal算法进行区域合并的流程5分割区域邻接关系结构示意图
具体实施例方式下面结合附图通过实施例对本发明作进一步的详细说明。本发明所述的阈值约束最小生成树算法的区域合并方法的实现流程如图1所示， 图1包括4个单元。本实施例中的图合并将使用Boruvk^Kruskal两种算法构造最小生成 树。单元100对图像进行分水岭分割的单元。单元101为构建区域邻接图的单元。将处理单元100获得的分水岭初始分割的结 果表示为图结构，如图2所示，将所有分割的区域作为图的顶点，区域的邻接关系构成图的 边，邻接区域间的特征差定义为边的权值。图的顶点个数与分割区域的个数相同。图中边的权值，即邻接区域的特征差通过区域之间的光谱距离、纹理距离 和邻接区域公共边界的强度来定义=CKRi, Rj) = (^(Ri, Rj), 4( , R」))T，其中(!(Ri, Rj)为区域 Ri 和 Rj 的特征差，^(氏，Rj) = WXdspectral (Ri, Rj)+ (1-w) X dtexture(Ri, Rj),
d^Rj) ^-Yjg^ixk,yk) ； dspectral(Ri; Rj)是两个区域之间的光谱距离，定义为两个区 n k=l
域均值间的欧式距离；(^χ_α^，Rj)是两个区域之间的纹理距离，定义为两个区域方差间的欧式距离M2(RpRj)是两个邻接区域公共边界的强度，定义为公共边界的平均强度，这里 W为光谱距离和4ρε。 Μ 0^，Rj)和纹理距离Rj)分配的权重，0#wl，一般设置W = 0. 5 ；η为邻接区域公共边界上点的个数，(而，凡)是区域Ri和Rj公共边界上点(xk，yk) 的强度。在后续的处理单元中，约定区域间特征差的阈值β指阈值向量β = β2) Τ ；边的权值小于或大于阈值向量指边的权值的每个分量小于或大于阈值的对应分量，即 Cl(RpRj) ￡ β 等价于(Μβ”^ β2。单元102为阈值约束最小生成树算法图合并单元。由于区域合并的次序不同，结 果会不同。本发明中区域合并的顺序由图的最小生成树的生成顺序确定。本发明使用的图 的最小生成树算法主要包括Boruvka算、Kruskal算法。由于最小生成树算法会生成一颗 完整的树，但这不是分割的目标，因此本发明结合阈值约束方法，使分割区域不能最终合并 成一个完整的树，这时所剩的树的个数表示合并后区域的个数，每个树中的节点表示合并 的区域。本发明的区域合并算法首先进行一次Boruvka算法合并，合并流程如图3所示；然 后迭代进行Kruskal算法合并，合并流程如图4所示。Boruvka算法合并主要步骤如下单元A预先设置图合并区域间特征差异的阈值，以保证最后树的合并会在中间终 止，并生成合 并结果；单元B将单元101构建的区域邻接图保存至一个列表结构中，其中列表的长度是 边的数目，以边为序号，列表的每个元是一个结构，该结构中包括四个元素边的序号、连接 边的两个顶点及边的权值。图5所示为列表中元素的结构示意图；单元C将单元B中的列表按照边的权值的第一或第二分量升序排序，值小的排在 前。本发明的实施例中依据边权值的第一分量对边进行排序；单元D用来生成若干树，每个树中的顶点认为是被合并了的区域。生成树的过程 如下首先初始化一个新树，树中有权值最小的边和连接该边的两个顶点；然后依据单元 C中边的排序依次遍历所有的边，判断是否可将该边和连接边的两个顶点添加到树中。依 次执行下列树生长的判断如果边所连接的两个顶点已经在树中，就不添加这个边到树中； 如果其中一个顶点在已有树中，另一个顶点不在已有树中，并且边的权值小于预先给定的 阈值，将另一个顶点也添加进树中；如果两个顶点都不在已有的树中，并且边的权值小于预 先给定的阈值就初始化一个新树；单元E是树的连接单元。整理单元D生成的树，将不在树中的边按照权值第一分量 的大小重新以升序排列，遍历这些边，如果边连接的两个顶点在同一棵树中，则不添加这个 边到连接连接边的顶点所在的树中，防止产生闭环；如果边连接的两个顶点在不同的树中， 且边的权值是否小于预先给定的阈值，添加边进树中，使边的两个顶点连接起来，成为一个 更大的树；单元F是整理单元。整理经过单元E处理后生成的树，将每个树作为一个区域，该 区域是树中所有顶点所代表的区域合并的结果，更新合并后区域的光谱特征、纹理特征、区 域的邻接区域、邻接区域之间的公共边界及边界强度。最后将更新后的区域按照单元101 的方法重新构建区域邻接图；单元G是合并后的结果。
迭代的Kruskal算法合并的主要步骤如下 单元H预先设置图合并的迭代次数和区域间特征差的阈值，使每次迭代的阈值随 着迭代次数线性增加，以保证最后树的合并会在中间终止，并生成多尺度的合并结果；单元I将单元G构建的区域邻接图保存至一个列表结构中，其中列表的长度是边 的数目，以边为序号，列表的每个元是一个结构，该结构中包括四个成员边的序号、连接边 的两个顶点及边的权值。图5所示为列表中成员的结构示意图；单元J将单元I中的列表按照边的权值的第一或第二分量升序排序，值小的排在 前。本发明的实施例中依据边权值的第一分量对边进行排序；单元K用来生成若干树，每个树中的顶点认为是被合并了的区域。生成树的过程 如下首先初始化一个新树，树中有权值最小的边和连接该边的两个顶点；然后依据单元C 中边的排序依次遍历所有的边，判断是否可将该边和连接边的两个顶点添加到树中。依次 执行下列树生长的判断如果边所连接的两个顶点已经在不同的树中，并且边的权值小于 预先给定的阈值，就把两棵树连接起来称为一棵大树；如果其中一个顶点已经在树中，另一 顶点不在树中入树中，并且边的权值小于预先给定的阈值，将另一个不在树中的顶点也添 加进树中；如果两个顶点都不在已有的树中，并且边的权值小于预先设定的阈值则初始化 一个新树；单元L是整理单元。整理经过单元K处理后生成的树，将每个树作为一个区域，该 区域是树中所有顶点所代表的区域合并的结果，更新合并后区域的光谱特征、纹理特征、区 域的邻接区域、邻接区域之间的公共边界及边界强度。最后将更新后的区域按照单元101 的方法重新构建为一个区域邻接图；迭代执行单元H-单元L，直到满足迭代次数的要求；单元M是迭代完成后的结果。单元103为合并结果。本发明的一个实施例在PC平台上实现，经实验验证，该合并流程能够快速有效的 合并掉“过分割”区域，得到较为理想的结果。首先进行的一次Boruvka算法合并，快速减 少了大量的“过分割”区域；迭代进行的Kruskal算法，在减少“过分割”区域的同时，保证 了特征差异小的区域优先合并。应当指出，本发明提供的区域合并方法不局限于分水岭分割的结果，所有产生“过 分割”的图像分割结果均可使用本发明对“过分割”区域进行合并。本发明所述具体实施方式
可以使本领域的技术人员更全面地理解本发明，但不以 任何方式限制本发明。因此，本领域技术人员应当理解，仍然可以对本发明进行修改或者等 同替换；而一切不脱离本发明的精神和技术实质的技术方案及其改进，其均应涵盖在本发 明专利的保护范围当中。
权利要求
1.提供一种对分水岭分割产生的“过分割”区域进行阈值约束最小生成树的区域合并 方法，其特征在于包括以下步骤A对图像进行分水岭分割；B对分割结果构建区域邻接图；C对构建的图进行阈值约束的最小生成树算法的图合并，形成合并结果；
2.根据权利要求1所述的方法，其特征在于步骤B中的区域邻接图的构建以初始分割 的区域为图的顶点，相邻区域的邻接关系形成图的边，邻接区域间的特征差异表示为图中 连接两个顶点的边的权值。
3.根据权利要求2所述的方法，其特征在于邻接区域间的特征差异是通过邻接区域的 光谱均值差异、纹理差异、邻接区域公共边界的平均边界强度定义的。
4.根据权利要求1所述的步骤C中阈值约束最小生成树算法的图合并，其特征是在最 小树生成的过程中加入边权值的阈值约束，使得最小树的生成会在中间被打断，成为若干 个树，树的个数表示合并后区域的个数，树中的顶点表示合并的区域。
5.根据权利要求4所述的阈值约束最小生成树算法的图合并特征为首先进行一次阈 值约束的Boruvka算法的图合并，然后迭代进行阈值约束的Kruskal算法的图合并。
6.根据权利要求5所述的方法，图合并的次序为先进行一次Boruvka算法合并，将合 并结果构建新的区域邻接图，并作为迭代Kruskal算法合并的输入。
全文摘要
本发明提供一种对分水岭分割产生的“过分割”区域进行阈值约束的最小生成树的区域合并方法。该方法包括以下步骤对分水岭分割结果建立区域邻接图；对构建的图进行阈值约束最小生成树算法的图合并，合并“过分割”区域，形成合并结果。
文档编号G06T7/00GK102136145SQ201110106740
公开日2011年7月27日 申请日期2011年4月27日 优先权日2011年4月27日
发明者唐娉, 边钊 申请人:中国科学院遥感应用研究所