一种改进的基于图和色彩纹理特征的图像分割方法
【专利摘要】本发明公开了一种改进的基于图和色彩纹理特征的图像分割方法，涉及图像处理和计算机视觉【技术领域】，本发明步骤包括：1）提取30张样本图片的纹理特征和色彩特征，将得到的纹理特征和色彩特征组成一个矩阵，并对矩阵求协方差作为30幅样本图片的色彩信息和纹理信息的统一系数；2）构造待分割图片的带权无向图；3）提取待分割图片的纹理特征和色彩特征，并构造待分割图片的纹理色彩特征描述符；4）利用步骤1）获得的统一系数和步骤3）获得的待分割图片的纹理色彩特征描述符计算待分割图片的带权无向图中边的权值；5）对步骤2）构造的带权无向图中的节点进行合并归类。本发明的分割准确性高，误分割、过分割现象少。
【专利说明】一种改进的基于图和色彩纹理特征的图像分割方法
【技术领域】
[0001]本发明属于图像处理和计算机视觉【技术领域】，更具体地说，涉及一种改进的基于图和色彩纹理特征的图像分割方法。
【背景技术】
[0002]图像分割是计算机视觉和模式识别中极其重要的分析方法。图像分割的目的是将图像划分为若干个不同的、互不重叠的具有独特性质的区域，将人们感兴趣的目标提取出来，对每个像素都加上唯一的类标签。图像分割是图像分析的重要组成部分，目前已经广泛应用在医学影像、人脸识别、指纹识别、交通控制系统和机器视觉等方面。
[0003]色彩信息和纹理信息与人眼感知具有很强的关联性，单纯基于纹理或基于色彩的分割方法不能精确的描述图像的内容。因此图像分割技术的研究趋势是色彩信息与纹理信息的融合。经典的分割算法分为基于区域和基于边缘检测两大类。前者的基本思想是根据图像数据的特征将图像空间划分为互不重叠的区域，从而达到分割目的，常用的有阈值分割法、区域标记法、区域生长法和分裂合并法。基于区域的分割方法存在一些不足之处，如易受噪声因素的影响，易产生过分割、区域碎片导致边缘不光滑，除上述缺点外，计算复杂度和实时性也是可以提升和改进的方向。边界是图像最基本的特征之一，是灰度或结构等信息的突变处，包含用于分割的基本信息。基于边缘检测的分割算法的基本思想是检测图像中的边缘点再按一定策略链接成轮廓，从而构成分割区域，常用的算法有正交梯度算子、Roberts梯度算子、方向梯度算子、二阶导数算子等。由于图像数据是二、三维的，而实际物体是N维的，因此这类算法存在较大的缺点是从高维到低维的投影会造成信息的丢失，光照和噪声等因素对检测的结果影响很大。
[0004]基于图论的分割方法是基于区域分割方法中研究的热点方向。经典的有最小生成树方法、N-Cut方法、GraphCut方法、动态区域合并方法和Graph-Based方法等，这些方法都将图像的像素点作为节点构造无向赋权图，然后按照某一准则对图的顶点进行划分，完成对图像的分割。J.Shi 等人于 2000 年在《IEEE Transactions on Pattern Analysisand Machine Intelligence〉〉上发表的〈〈Normalized cuts and image segmentation〉〉中提出的N-Cut算法属于NP-hard问题，图的节点越多，问题的求解越费时，因此对较大图像进行分割的速度异常缓慢。C.Rother等人于2004年在《ACM Transactions on Graphics》中发表的〈〈interactive foreground extraction using iterated graph cuts〉〉中提出的GraphCut方法通过构建图和求能量最小化,优化分割效果。P.F.Felzenszwalb等人于2004年在〈〈International Journal of Computer Vision〉〉上发表的〈〈Efficient graph-basedimage segmentation))中提出的graph-based方法,对领域构建图,利用最小生成树和合并准则完成聚类，执行效率高，运行时间几乎和图像的像素点数成线性关系，并且可以忽视高可变区域的细节特征，保留低可变区域的细节特征。但以上方法皆对噪声敏感，存在一定过分割现象，特别是对纹理复杂的图片分割效果不佳。
【发明内容】
[0005]1.发明要解决的技术问题
[0006]本发明的目的在于克服传统基于图(graph-based)的分割方法使用单一色彩特征进行图像分割造成严重误分割和过分割的不足，提供了一种改进的基于图和色彩纹理特征的图像分割方法，本发明通过多个样本获取纹理特征和色彩特征的统一系数，将图片的纹理特征和色彩特征有效融合，使用本发明的图像分割方法分割的准确性高，误分割现象大大减少。
[0007]2.技术方案
[0008]为达到上述目的，本发明提供的技术方案为:
[0009]本发明的一种改进的基于图和色彩纹理特征的图像分割方法，步骤如下:
[0010]I)选取30张样本图片，提取该30张样本图片的纹理特征和色彩特征，将得到的纹理特征和色彩特征组成一个矩阵Feature，并对矩阵Feature求协方差，将该协方差作为30幅样本图片的色彩信息和纹理信息的统一系数Σ；
[0011]2)构造待分割图片的带权无向图G=(V，E)；
[0012]3)提取待分割图片的纹理特征和色彩特征，并构造待分割图片的纹理色彩特征描述符；
[0013]4)利用步骤I)获得的统一系数Σ和步骤3)获得的待分割图片的纹理色彩特征描述符计算待分割图片的带权无向图中边的权值；
[0014]5)对步骤2)构造的带权无向图中的节点进行合并归类，得到符合人眼感知的分割图片。
[0015]本发明的一种改进的基于图和色彩纹理特征的图像分割方法，步骤I)中获得样本图片纹理特征和色彩特征之间的统一系数Σ的具体方法如下:
[0016]a)样本选取:
[0017]选取30幅尺寸相同的图片作为样本图片，该30幅尺寸相同的样本图片的长和宽折合为像素分别为w和h ;
[0018]b)样本图片纹理特征提取:
[0019]将步骤a)中选取的30幅样本图片分别转换成灰度图，并对得到的灰度图进行haar小波变换，分解得到30幅样本图片在水平方向、垂直方向和对角方向的纹理特征集
【权利要求】
1.一种改进的基于图和色彩纹理特征的图像分割方法，步骤如下: 1)选取30张样本图片，提取该30张样本图片的纹理特征和色彩特征，将得到的纹理特征和色彩特征组成一个矩阵Feature，并对矩阵Feature求协方差，将该协方差作为30幅样本图片的色彩信息和纹理信息的统一系数Σ； 2)构造待分割图片的带权无向图G=(V，E)； 3)提取待分割图片的纹理特征和色彩特征，并构造待分割图片的纹理色彩特征描述符; 4)利用步骤I)获得的统一系数Σ和步骤3)获得的待分割图片的纹理色彩特征描述符计算待分割图片的带权无向图中边的权值； 5)对步骤2)构造的带权无向图中的节点进行合并归类，得到符合人眼感知的分割图片。
2.根据权利要求1所述的一种改进的基于图和色彩纹理特征的图像分割方法，其特征在于:步骤I)中获得样本图片纹理特征和色彩特征之间的统一系数Σ的具体方法如下: a)样本选取: 选取30幅尺寸相同的图片作为样本图片，该30幅尺寸相同的样本图片的长和宽折合为像素分别为w和h ; b)样本图片纹理特征提取:将步骤a)中选取的30幅样本图片分别转换成灰度图，并对得到的灰度图进行haar小波变换，分解得到30幅样本图片在水平方向、垂直方向和对角方向的纹理特征集
3.根据权利要求2所述的一种改进的基于图和色彩纹理特征的图像分割方法，其特征在于:步骤2)中构造带权无向图G= (V，E)的具体方法如下: 将待分割图片中的每个像素点作为无向图节点，V是无向图节点的集合，Vi, \表示无向图中任意两个节点，V1、Vj e V ;E是无向图中所有节点构成边的集合，E(Vi, Vj)表示连接无向图节点Vi和Vj的边。
4.根据权利要求3所述的一种改进的基于图和色彩纹理特征的图像分割方法，其特征在于:步骤3)中获得待分割图片纹理色彩特征描述符的具体方法如下: ①将待分割图片转换成灰度图，对该灰度图进行haar小波变换，分解得到待分割图片在水平方向、垂直方向和对角方向的纹理特征集{Whn}，{WvJ , {ffdj ； ②将待分割图片从RGB色彩空间转换到Lab色彩空间，提取Lab色彩空间三个色彩通道的值作为待分割图片的色彩特征{colorLj, {coloraj, {colorbj ； ③得到待分割图片第η个像素的纹理色彩特征描述符:
vn= [Whn, Wvn, Wdn, colorLn, co1ran, co1rbJ，n=l, 2,…(w*h)。
5.根据权利要求3或4所述的一种改进的基于图和色彩纹理特征的图像分割方法，其特征在于:步骤4)中计算带权无向图中边的权值的具体方法如下: 将步骤I)中获得的统一系数Σ和步骤3)中获得的待分割图片的纹理色彩特征描述符Vn带入马氏距离公式得到带权无向图中边的权值w (Vi，Vj)，该权值用于度量无向图中两节点之间的纹理色彩特征差异度，权值越大，差异越大，权值越小，差异越小。
6.根据权利要求5所述的一种改进的基于图和色彩纹理特征的图像分割方法，其特征在于:步骤5)中类合并的具体方法如下: ①将无向图中的边按步骤4)计算得到的权值大小进行非降排序，并将无向图中每一个节点划分为一个独立类，对应为ΙΑ，(:2，…，CwJ，每一类对应的合并优先级为…，rwH<h},初始时I^r2Xrwith=O,类合并顺序根据排序由前到后进行； ②执行合并准则1: 设定合并的初始阈值HiInt(C1)=Ii, Ci和&表示两个不同的类，比较Ci中所有节点Vi e Ci和中所有节点' e Cj组成的边的权值w(Vi，')，最小的权值作为Ci和的类间距离 Diff (Ci, Cj),
7.根据权利要求6所述的一种改进的基于图和色彩纹理特征的图像分割方法，其特征在于:步骤5)中执行合 并准则I时初始阈值k的取值范围为400~500 ;执行合并准则2时初始合并阈值k2为150~200。
【文档编号】G06T7/00GK103530882SQ201310486060
【公开日】2014年1月22日 申请日期:2013年10月17日 优先权日:2013年10月17日
【发明者】李勃, 王云烨, 陈惠娟, 陈抒瑢, 杨娴, 廖娟, 史德飞, 陈启美 申请人:南京大学, 南京大学镇江高新技术研究院