一种基于邻域主成分分析-拉普拉斯的图像分割方法
【技术领域】
[0001] 本发明涉及图像处理技术领域，尤其涉及一种基于邻域主成分分析-拉普拉斯的 图像分割方法。
【背景技术】
[0002] 图像分割技术已经渗透到生活的方方面面，比如在生物、医学图像分析中，需要将 细胞、组织器官从图像中分割出来对其形状、截面影像等进行测量，以便对病变组织进行定 量定性分析、评估和预测。随着摄像机、照相机、红外线以及各种传感器等视觉信息捕捉设 备与技术的发展，视觉信息的获取已成为简单的问题，但是如何行众多的视觉信息中获取 感兴趣的部分成为重要的研宄方向。尤其是在获取的图像含有噪声的情况下，如何获得更 精确的细节信息，成为图像研宄的主要问题。图像分割是计算机视觉领域的基本问题，尤其 是图像处理、分析和理解中的关键问题，图像分割质量的好坏直接影响到视觉系统的性能、 目标检测和目标识别的准确性。在过去的研宄中，研宄人员提出了很多的分割方法，但是仍 然没有一种通用的算法，这些算法往往是针对某些特定的图像提出的。我们将图像分割分 为传统的分割方法和基于学习的分割方法。针对如何降低图像的噪声，提高图像的分割质 量的问题，图像分割技术先对含噪声图像利用主成分分析去噪，在对图像进行边缘提取和 分割，得到高质量的分割图像，并得到了广泛的应用。
[0003] 传统的分割方法包括基于微分算子的边缘检测分割方法[1] [2] [3]、基于区域的 分割方法[4] [5]和基于阈值的分割方法等等。基于微分算子的边缘检测分割方法使用一 阶或是二阶微分算子检测图像的边缘点，然后按照一定的策略将点连接起来形成区域轮 廓。这种方法能够准确定位边缘，运算速度快，但是，检测的边缘常常是不连续的，检测的精 确性和抗噪声干扰性之间存在矛盾。基于区域的分割方法主要是找到合适的种子或是合适 的生长准则来形成区域，从而实现图像分割。这种分割方法能够较好的形成分割区域，但是 计算量较大，容易对图像造成过度分割。基于阈值的分割方法通过合理的目标函数得到最 佳分割阈值，区分图像的目标和背景，实现图像的分割。这种方法计算简单、效率高，并且能 够连通封闭的边界定义不交叠的区域。但是，阈值的选取决定了图像分割的质量。传统的 分割方法算法往往是直接对图像进行分割，不对图像进行预处理，不能有效的抑制噪声对 图像的干扰，降低了图像的分割质量。
【发明内容】
[0004] 本发明要解决的技术问题在于针对现有技术中的缺陷，提供一种基于邻域主成分 分析-拉普拉斯的图像分割方法，本方法解决现有同类基于边缘提取的分割算法中边缘提 取对噪声敏感的问题，利用邻域主成分分析对图像进行去噪处理，然后利用拉普拉斯算子 对图像进行边缘提取，从而实现图像分割，提高图像的分割质量。
[0005] 本发明解决其技术问题所采用的技术方案是：一种基于邻域主成分分析-拉普拉 斯的图像分割方法，包括以下步骤：
[0006] S1，在图像中任取一像素 P，以其为中心点，根据预设的图像的分块的大小进行图 像块的选取，然后以像素 P为中心，对输入的原始图像进行分块，图像图为正方形块，这样 可以把原始图像的每个像素点表达成由其邻域像素组成的图像分块；
[0007] S2,对像素 P，在像素 P为中心点的窗口内选取大小相同的相似块，作为图像的样 本训练集；所述窗口为包括多个图像块的正方形窗口；
[0008] S3,对上述样本训练集进行PCA变换，用训练样本的主成份表达基表达输入像素 P 的邻域像素块，调整主成份的贡献率，可以获得像素 P的去噪后的像素值P' ；
[0009] S4,对输入的原始图像的每个像素，用步骤SI, S2, S3,求取每个像素的邻域块的主 成份表达；并根据主成份域的特征值计算每个像素的去噪后的估计值，最后拼合全部的去 噪后的像素点求得去噪后的图像；
[0010] S5,对获得的去噪图像进行拉普拉斯边缘提取，得到一幅边缘特征图像；
[0011] S6,对获得的边缘特征图像，按照边缘进行分割，得到边缘分割图像。
[0012] 按上述方案，所述步骤S2)中，相似块的选取依据为：若该图像块满足〇 <T，T为某 一设定的阈值，就选取其中心点像素点x(i，j)，其特征可由公式（1)表示，获得的输入图像 块在像素特征域的相似性作为衡量作为选择训练样本的相似性准则；
[0013] X(i, j) = X0 (i, j)+n(i, j) (I)
[0014]
【主权项】
1. 一种基于邻域主成分分析-拉普拉斯的图像分割方法，其特征在于，包括以下步骤： S1，在图像中任取一像素 P，以其为中心点，根据预设的图像的分块的大小进行图像块 的选取，然后以像素 P为中心，对输入的原始图像进行分块，图像图为正方形块，这样可以 把原始图像的每个像素点表达成由其邻域像素组成的图像分块； 52, 对像素 P，在像素 P为中心点的窗口内选取大小相同的多个相似邻域像素块，作为 图像的样本训练集；所述窗口为包括多个图像块的正方形窗口； 53, 对上述样本训练集进行PCA变换，用训练样本的主成份表达基表达输入像素 P的邻 域像素块，调整主成份的贡献率，可以获得像素 P的去噪后的像素值P' ； 54, 对输入的原始图像的每个像素，用步骤SI, S2, S3,求取每个像素的邻域块的主成份 表达；并根据主成份域的特征值计算每个像素的去噪后的估计值，最后拼合全部的去噪后 的像素点求得去噪后的图像； 55, 对获得的去噪图像进行拉普拉斯边缘提取，得到一幅边缘特征图像； 56, 对获得的边缘特征图像，按照边缘进行分割，得到边缘分割图像。
2. 根据权利要求1所述的图像分割方法，其特征在于，所述步骤S2)中，相似块的选取 依据为：若该图像块满足σ <T，T为某一设定的阈值，就选取其中心点像素点X (i，j)，其特 征可由公式（1)表示，获得的输入图像块在像素特征域的相似性作为衡量作为选择训练样 ：ψ：的和介丨柿池 _ .
σ为待选样本块和输入图像块的均差；m为从样本库中选取的块的个数；X(Xi)为选取 的第i个邻域块向量；为输入以像素为中心的图像块向量； 窗口内的样本集用矩阵X表示，X= [X1, X2，…，XiJt，其中A =[?· _·<」，表示以像 素点中心点像素点x(i，j)为中心的士大小的图像块从行（或列）进行展开的向量。
3. 根据权利要求2所述的图像分割方法，其特征在于，所述步骤S3)中对样本训练集进 行PCA变换包括以下步骤： 对样本集X进行中心化可求得中心化矩阵i = ，表示计算每个图像块 的样本均值，假设样本集X所对应的每个样本块的均值矩阵为兄=[尤,12，··· 2 ]，其中 =I 那么每个像素块的均值装置矩阵为其中η表示图像块中元 素的个数；这样中心化矩阵X可由公式（3)表示： X = X-X0 (3) 其中，对X由公式（4)求其样本协方差矩阵C(X)为：
对协方差C(X)进行SVD分解，由于噪声为高斯白噪声，协方差矩阵可由公式（5)表示： C (X) = E · t · ET+C0 (5) E为mXm的正交矩阵，是由特征向量组成的，t为对角矩阵，对角元素为像素 P的特征 值，并且按照降序排列，其中E表示的是样本空间中各种元素对图像合成的贡献程度，排在 前面的成分贡献越大，亦称之为主成份，C tl表示噪声矩阵。
4.根据权利要求3所述的图像分割方法，其特征在于，所述步骤S4)中根据主成份分析 计算每个像素的估计值采用以下步骤： S4. 1)对特征值矩阵t，对角元素为λ?，特征值为λ 2彡…彡λ p，（i = 1，2,…，ρ)，可由公式（6)计算出前r个特征值的累计贡献率：
S4. 2)假设Ctl= 〇21，〇表示高斯噪声的强度，则公式（5)中的C(X)可由公式（7)计 算： C (X) = E · t · Et+ 〇 2I = E · (t+ 〇 2) Et (7)； 这样可以发现C(X)的特征向量为Ε，说明了被污染的像素点和没被污染的像素点具有 相同的特征向量，且Et= E、得到PCA变换矩阵为E τ，也称之为主成份表达基，将EM乍用于 X，γ可由公式⑶得到： Y = Er X+ H(X) (8) 1 其中Y为样本X所对应的主成份表达基上的表达稀疏矩阵，那么对于输入的图像块X。， 其对应的表达系数为Ytl= E tXq; S4. 3)控制主成份表达基中特征向量的个数，就可以实现对噪声和图像内容的分离，主 成份表达特征向量特征值较大的表示图像内容，特征值较小的表示了噪声成分，这样实现 了图像内容和噪声之间的分离，可由公式（9)得到： I0 = EY0 (9) 其中，名)表示输入图像块的无噪声估计值，E表示主成份表达基，Ytl表示输入图像块的 主成份表达系数； S4. 4)由于在变化的过程中减去了均值，因此\的估计值1。可由公式（10)得到： X0 =EY0+μ (10) 其中，μ表示训练样本图像块的均值； S4. 5)对输入的含有噪声的图像的每个像素点，求出其没被污染的像素的估计值，得到 去噪后的图像。
【专利摘要】本发明公开了一种基于邻域主成分分析-拉普拉斯的图像分割方法，该方法对原始图像进行主成分分析，得到每个像素的特征向量，提取图像的主要成分，有效的抑制了噪声；然后，用拉普拉斯算子对图像进行边缘检测，从而实现对图像的分割。与传统的Sobel算子和LOG算子分割算法相比，该方法通过对图像像素进行主成分分析，来估计去噪过程中的参数值，而不依赖于经验值，能有效的降低噪声对图像的干扰，简化了计算复杂度。实验结果表明，该方法能够有效的改善图像的分割效果，在准确性和稳健性上具有较强的优越性。
【IPC分类】G06T5-00, G06T7-00
【公开号】CN104637060
【申请号】CN201510078434
【发明人】卢涛, 万永静, 张彦铎, 李晓林, 杨威, 余军, 鲁统伟, 闵锋, 周华兵, 朱锐, 李迅, 魏运运, 黄爽, 段艳会, 张玉敏
【申请人】武汉工程大学
【公开日】2015年5月20日
【申请日】2015年2月13日