一种基于聚类融合的图像分割的方法
【专利摘要】本发明公开一种计算机视觉与模式识别领域的基于聚类融合的图像分割的方法，该方法通过三种分割方式可产生不同的粗分割结果及后续处理所用的超像素，再采用超像素聚类融合方法通过对不同超像素之间的距离属性及图像在粗分割结果中的标注属性加以融合，从而提高图像的分割结果，避免了复杂计算同时又体现出像素的颜色及纹理属性。
【专利说明】一种基于聚类融合的图像分割的方法
【技术领域】
[0001] 本发明属于计算机视觉与模式识别领域，具体地，涉及一种基于图像多信息聚类 融合的非监督型图像分割新方法。
【背景技术】
[0002] 在计算机视觉领域，图像分割是图像预处理的重要步骤。由于目前计算机本身并 不具备人类等生物的高层次理解能力，本身只对离散型数据进行处理，因此使用图像分割 等预处理对图像进行处理是十分必要的。图像分割结果在后续处理过程起到了重要作用， 图像分割所涉及的后续图像处理包括例如目标检测与识别、图像分类、目标跟踪及图像压 缩与重建等方面。
[0003] 目前已经有很多种图像分割方式，使用各种方法，例如阈值分割、色彩及纹理分 害I]、图割等。作为图像处理领域中的重要方面，图像分割在计算机视觉领域的很多著名国际 会议及期刊中都占有重要地位。近年来论文中的方法主要有：
[0004] Ren，Shakhnarovich等人在2013年提出级联区域的图像分割；Arbelaez，Maire 在2011年提出了基于外轮廓检测及分层次分割方法；Felzenszwalb，Huttenlocher等人在 2004年提出根据图割方法的图像分割。
[0005] 专利方面，申请号为CN201210109158. 3的中国发明专利提出了一种基于相似性 相互作用机理的图像分割方法。该方法通过以下六个步骤得到分割结果：（1)提取待分割 图像每个象素点的特征；(2)获得区域块特征；（3)计算区域块与区域块之间的相似度；(4) 获得区域块相位值；（5)归类区域块；（6)输出图像分割结果。申请号为200680021274. 2的 发明专利申请通过提出一种基于包括运动、色彩、对比度在内的一个或多个因素的分割过 程可提供图像中前景层与背景层的分割；申请号为CN 102509097根据LUV数据对各像素点 进行金字塔聚类分割，得到分割结果图像。
[0006] 在现有的图像分割技术中多数方法采用基于图像单一性质如颜色、灰度、纹理、频 域等对图像进行分割。由于只使用图像的单一属性对图像中各个像素进行聚类，这些分割 方式往往适用于解决某一特定用途的图像分割，并无很好的适用性。或者是采用比较复杂 的建模方法，使得图像分割的效率较低，分割结果也有局限性。
【发明内容】
[0007] 针对现有技术存在的上述不足，本发明的目的是提供一种基于已有分割结果的聚 类融合方法，通过对已有的鲁棒性分割结果进行处理最终得到更加精确且实用性更广的分 割方法。
[0008] 为实现上述目的，本发明总体上说，首先使用均值漂移，图割及加博尔纹理分割等 三种方式对图像进行粗分割，得到三种分割结果，然后通过对三种分割所得到的区域进行 共同分割得到更细的超像素，最后使用基于超像素标定及距离的相似性传播方法对已获得 的超像素进行处理从而得到最终的分割结果。
[0009] 本发明所述的基于聚类融合的图像分割的方法，包括如下步骤：
[0010] 第一步，读入待处理图像，并存储图像原始信息。
[0011] 本发明对原始图像进行处理，在处理过程中会使用到图像的原始数据，故在处理 开始前需要对原始图像进行保存。同时如果待处理图像噪声较多，也可以在本步之中加入 预处理步骤以去除噪声。记待处理图像为I。
[0012] 第二步，使用已有技术对图像进行粗分割，得到三个粗分割结果。
[0013] 由于以往的图像分割技术中多数只使用图像的单一属性对图像中各个像素进行 聚类，这些分割方式往往适用于解决某一特定用途的图像分割，并无很好的适用性。而不同 的分割方法间由于特征不同往往具有互补性，对互补的分割方法进行聚类融合之后可提高 图像分割的精度，使用本发明正是基于这一点考虑出发。而过多的粗分割结果会降低分割 算法的效率，所以基于分割精度和分割速度两方面综合进行考虑，本发明对原始图像进行 三种不同的粗分割，然后使用聚类融合对三种粗分割结果进行处理。
[0014] 优选地，在本发明所附的实例中，对于待处理图像进行粗分割的三种方法，本发明 使用均值漂移，图割及加博尔纹理分割，但并不局限于这三种方式，在不脱离本发明构思的 前提下，还可以做出若干变形和改进。
[0015] 对于三种粗分割结果，令二值图BWp BW2和BW3表示三个粗分割结果的边界图，对 于三种粗分割结果，对于处于每一种分割结果中处于同一边界内的像素，令其在该粗分割 结果的标定中标定相同。
[0016] 第三步，根据粗分割结果构建超像素。对边界图像BWi，BW2, BW3进行或操作，得到 新分割边界，根据分割边界构建超像素。
[0017] 本发明使用的超像素是使用粗分割结果构造的，使用二值图BWpBWdPBWs表示三 个粗分割结果的边界图，二值图中真代表边界存在，假代表不存在边界。对BWp 812和813 进行或操作，得到最终的超像素边界BW，根据超像素边界得到待处理超像素，将本步骤所生 成的超像素记做
【权利要求】
1. 一种基于聚类融合的图像分割的方法，其特征在于包括如下步骤： 第一步，读入待处理图像，并存储图像原始信息； 第二步，使用已有技术对图像进行粗分割：使用三种基于不同特征的图像分割方法，分 别对原始图像进行分割，最终得到三个粗分割结果，根据粗分割结果，记录分割结果边界图 像 BWp BW2, BW3 ; 第三步，根据粗分割结果构建超像素：对边界图像BWp BW2, BW3进行或操作，得到新分 割边界，根据分割边界构建超像素； 第四步，超像素性质标定：将第二步所得到的分割结果分别赋予超像素，并计算超像素 之间欧式距离； 第五步，对粗分割结果进行聚类融合：结合第四步的超像素之间距离，通过聚类融合方 法判断每一个超像素所属类别，提高粗分割结果精度； 第六步，图像标记及输出：根据聚类融合结果对超像素进行标定，将在聚类融合之后属 于同一类别的像素归成一类，并生成最终分割结果。
2. 根据权利要求1所述的基于聚类融合的图像分割的方法，其特征在于第二步中，所 述图像分割方法，分别采用使用均值漂移对图像进行粗分割，使用图割对图像进行粗分割 以及使用加博尔纹理分割对图像进行粗分割。
3. 根据权利要求1所述的基于聚类融合的图像分割的方法，其特征在于第三步中，所 述的构建超像素，只针对三种粗分割结果的边界图像使用或操作对边界图像进行处理，根 据最终边界生成超像素。
4. 根据权利要求1所述的一种基于聚类融合的图像分割的方法，其特征在于，所述聚 类融合使用基于超像素标定及距离的相似性传播方法，具体为：基于超像素标定及距离的 相似性传播方法对每一个超像素的所属类别，以及其与其它的超像素之间距离进行综合判 定。
5. 根据权利要求4所述的一种基于聚类融合的图像分割的方法，其特征在于，所述基 于超像素标定及距离的相似性传播方法，步骤为： (1) 根据相似性度量函数计算相似性矩阵Γ，其中τ υ为超像素 Sy Sj的相似性：
其中：k代表粗分割算法的种类，i、j为两个超像素的标号，If是根据粗分割结果中像 素的所在类别对每个像素进行的标记；s为粗分割方法个数； (2) 计算每个超像素的责任度r(i，j)与可用度a(i，j)，每次迭代后将r(i，j)+a(i，j) 大于〇的数据作为对象j的迭代中心，直到聚类中心不再移动或是迭代次数超出范围，其中 i、j为两个超像素的标号，t为迭代次数； (3) 重新标定超像素所属类别，得到最终分割结果。
6. 根据权利要求5所述的一种基于聚类融合的图像分割的方法，其特征在于，所述步 骤⑵中： 迭代开始时，可用度％α，j) = 0,然后责任度r(i，j)根据 rt+1(i, j) = τ (i, jO-maXj, s t j, 7tJ{a(i, j1 )+τ (i，j'）}·
W，与表示一个中间变量； λ为阻尼系数，起到收敛作用，取值范围为[0.5,1); rt+1(i, j) = (l-λ) *rt+1(i, j) + A *rt(i, j) at+1(i, j) = (l-λ) *at+1(i, j) + A *at(i, j) 进行计算，直到聚类中心不再移动或是迭代次数超出范围。
【文档编号】G06F17/50GK104123417SQ201410350600
【公开日】2014年10月29日 申请日期:2014年7月22日 优先权日:2014年7月22日
【发明者】张巍, 杨杰, 俞中杰 申请人:上海交通大学