基于分块相似性度量的图像分割方法
【技术领域】
[0001] 本发明属于聚类技术的图像分割领域，具体设及一种基于分块相似性度量的图像 分割方法。
【背景技术】
[0002] 图像分割可W看做是图像中物体识别的一个关键的预处理步骤，它的目的是将数 字图象中的不同事物W图像区域的方式提取分离出来，便于对某些感兴趣的目标区域进行 处理。图像分割是图像自动语义内容分析的基础，分割结果的好坏将严重影响后续的分类 与识别应用的效果。
[0003] 在众多的分割方法中，基于像素视觉特征的聚类分割方法因其突出的分割效果而 占有重要地位。基于视觉空间聚类的分割方法首先对像素的视觉特征（如颜色、纹理）进 行聚类，利用视觉描述空间中的相似性测度来判断像素的区域归属，对于简单噪声较小的 图像可取得良好的分割效果。通常情况下，基于聚类技术的图像分割都是建立在像素独立 假设基础上的，在像素的聚类过程中只考虑了像素在视觉空间中的统计分布特性，而没有 考虑到图像像素之间的空间位置相关性，该往往会影响分割后图像区域的平滑性。
[0004] 而受像素空间位置限制的混合模型相比于独立混合模型，可W有效改善分割结果 的平滑性。但是，空间限制混合模型的模型参数禪合性过高，使模型求解难度过高，从而增 大了算法的复杂度。
【发明内容】
[0005] 本发明的目的在于提供一种基于分块相似性度量的图像分割方法。
[0006] 本发明的内容是该样实现的：
[0007] (1)读入一幅自然场景图像，图像大小为MXN，确定欲分割的类别数目K，根据固 定划分方式将图像划分为若干个面积相等的矩形区块，每个区块的大小为mXn;
[000引 （2)在固定划分的基础上对图像进行重叠划分，即将固定划分的块边界线，每次向 右并向下移动过1个像素点，直到与原来的固定划分的块边界线重合为止；使每个像素点 属于原来的固定划分中的一个区块，包含于不同的区块；
[0009] (3)对重叠划分过程中产生的所有区块，计算其视觉特征，灰度均值和方差，利用 K均值算法或EM算法对所有该些区块进行聚类，判断每个分块的类别归属；
[0010] (4)对图像中每个像素点，采用滴值的倒数来确定每个像素点的权值， K
[0011] H= 径iPi
[0012] 对每个像素点计算滴值，Pi为该像素点属于第i类的概率，pi可通过统计该像素 点属于不同的分块的类别情况来获得；
[001引 妨考察每个分块内像素点的权值，如果权值像素点超过给定阔值，则认为该分块 的区域一致性好，否则，对该分块进行分裂，分为四等分；如果本次没有需要分裂的分块，转 步骤做，否则，转步骤（3);
[0014] 步骤做利用每个像素点的类别标示，输出分割图像。
[0015]本发明的有益效果在于：
[0016]本发明提出了一种基于分块相似性度量的图像分割方法，将像素之间的位置关系 考量隐含在小区块（可W理解为"超级像素"）中，对重叠划分出来的区块进行聚类分割，有 效地改善了对像素进行聚类的分割效果。
【附图说明】
[0017]本发明的算法流程图。
【具体实施方式】
[0018]下面结合附图对本发明做进一步描述。
[0019]本发明所提出的图像分割方法的具体步骤如下：
[0020] 步骤1 ;读入一幅自然场景图像，图像大小为MXN，确定欲分割的类别数目K，根据 固定划分方式将图像划分为若干个面积相等的矩形区块，每个区块的大小为mXn;
[0021] 步骤2 ;在固定划分的基础上对图像进行重叠划分，即将固定划分的块边界线，每 次向右并向下移动过1个像素点，直到与原来的固定划分的块边界线重合为止。该样，使每 个像素点不止属于原来的固定划分中的一个区块，而是可W包含于不同的区块。
[0022] 步骤3 ;对重叠划分过程中产生的所有区块，计算其视觉特征（灰度均值和方差 等），利用K均值算法或EM算法对所有该些区块进行聚类，判断每个分块的类别归属。
[002引步骤4;对图像中每个像素点，考察其属于不同分块时的归类情况，采用滴值（滴 的计算公式参见公式（1))的倒数来确定每个像素点的权值，该样可W使得一个像素点在 属于不同分块的条件下，如果该些分块归属某一类的概率趋于一致，该像素点就获得一个 较高的权值；如果该些分块都趋向于归属不同的类别，则该像素就获得一个较低的权值。
[0024]
U)
[0025]对每个像素点都按公式（1)计算滴值，Pi为该像素点属于第i类的概率，P i可通 过统计该像素点属于不同的分块的类别情况来获得。
[0026] 步骤5;考察每个分块内像素点的权值，如果权值较高像素点超过给定阔值，则认 为该分块的区域一致性较好，否则，对该分块进行分裂，分为四等分。如果本次没有需要分 裂的分块，转步骤6,否则，转步骤3。
[0027] 步骤6 ;利用每个像素点的类别标示，输出分割图像。
[002引本发明提出一种新的图像分割方法，首先将图像划分成矩形小区块，我们采取重 叠划分方式，获取每个区块的视觉属性的描述（颜色或纹理）；然后对分块的视觉空间利用 K均值或EM算法进行聚类，利用分块聚类的结果，构造像素的权值；自动找出若干个具有典 型颜色（或纹理）的小区块作为类别标记，然后将其他区块和该些区块进行相似性度量来 确定每个区块的类别归属。对于像素权值难W趋于一致的区块，进行分裂后，重复上述过 程。由于事先并没有提供任何指导性信息，该方法本质上还属于非监督学习算法。
【主权项】
1.基于分块相似性度量的图像分割方法，其特征在于： (1) 读入一幅自然场景图像，图像大小为MXN，确定欲分割的类别数目K，根据固定划 分方式将图像划分为若干个面积相等的矩形区块，每个区块的大小为mXn; (2) 在固定划分的基础上对图像进行重叠划分，即将固定划分的块边界线，每次向右并 向下移动过1个像素点，直到与原来的固定划分的块边界线重合为止；使每个像素点属于 原来的固定划分中的一个区块，包含于不同的区块； (3) 对重叠划分过程中产生的所有区块，计算其视觉特征，灰度均值和方差，利用K均 值算法或EM算法对所有这些区块进行聚类，判断每个分块的类别归属； (4) 对图像中每个像素点，采用熵值的倒数来确定每个像素点的权值，对每个像素点计算熵值，Pi为该像素点属于第i类的概率，P1可通过统计该像素点属 于不同的分块的类别情况来获得； (5) 考察每个分块内像素点的权值，如果权值像素点超过给定阈值，则认为该分块的区 域一致性好，否则，对该分块进行分裂，分为四等分；如果本次没有需要分裂的分块，转步骤 (6)，否则，转步骤（3); 步骤（6)利用每个像素点的类别标示，输出分割图像。
【专利摘要】本发明属于聚类技术的图像分割领域，具体涉及一种基于分块相似性度量的图像分割方法。本发明读入一幅自然场景图像，图像大小为M×N，确定欲分割的类别数目K，根据固定划分方式将图像划分为若干个面积相等的矩形区块，每个区块的大小为m×n；在固定划分的基础上对图像进行重叠划分，即将固定划分的块边界线，每次向右并向下移动过l个像素点，直到与原来的固定划分的块边界线重合为止；使每个像素点属于原来的固定划分中的一个区块，包含于不同的区块。本发明提出了一种基于分块相似性度量的图像分割方法，将像素之间的位置关系考量隐含在小区块中，对重叠划分出来的区块进行聚类分割，有效地改善了对像素进行聚类的分割效果。
【IPC分类】G06T7/00
【公开号】CN104952076
【申请号】CN201510340934
【发明人】刘咏梅, 李智慧
【申请人】哈尔滨工程大学
【公开日】2015年9月30日
【申请日】2015年6月18日