一种基于标签语义推理的自然图像分割方法
【技术领域】
[0001] 本发明属于数字图像处理领域，涉及图像分割任务。
【背景技术】
[0002] 图像分割是指将图像分成若干特定的，具有某种性质的目标区域的技术和过程。 它是计算机视觉，图像处理领域中最底层的问题。图像分割可被用于目标检测，识别和图像 理解等高层计算机视觉任务中。根据适用任务的不同，人们提出了各种不同的研究方法：
[0003] (1)基于聚类的图像分割方法
[0004] 该方法旨在通过最大化类间的非相似性和最小化类内的相似性，从而将图像划分 为不同的聚类。比较成熟的算法包括K-means，Mean-shift，和Quick-shift等。
[0005] (2)基于图论的图像分割方法
[0006] 该方法的思想是将图像中每一个像素点看作一个节点，两个节点之间的连接权重 正比于像素点对间的相似度，这样一副图像就转换为一个全连接图，从而将分割问题转换 为图划分问题。比较成熟的方法包括N-cut，Egbis等。
[0007] (3)基于分层的图像分割方法
[0008] 该方法是近几年比较流行的方法，它关注于设计不同的分层模型来整合各种不同 尺度的图像颜色，纹理等信息，形成一个由粗到精的结构，从而达到图像分割的目的。
[0009]而在自然图像分割中，其难点在于：图像中目标相对简单，导致同一个目标被分割 为若干不同的区域;或者图像中目标过于复杂，导致分割区域所表达的意义不强。在计算机 视觉中大多数任务中，单独的对象分割如果不与标记结合，难以形成语义特性，这在高等计 算机视觉任务中缺乏实用意义。
【发明内容】
[0010] 为了克服传统图像分割方法由于分割后的图像区域之间关联性不强所引起的人 类感知偏差的不足，本发明研究了如何在保证分割区域内的强相似性和分割区域间的强关 联连的前提下，获得更加有意义的图像分割结果。
[0011] 本发明的目的在于提出一种自然图像自动分割方法，该方法利用数字标注图像的 分割区域，自动估计分割后的图像区域数目，使得每一块区域表示一个独立的物体，并且区 域之间不失连续性，从而更加满足人类感知的理解需求。
[0012] 本发明设计了一个名为LSI (Latent Semantic Inference of Serial Label)的 图像分割框架。该框架包括两个阶段:标签生成阶段和标签推理阶段。
[0013] 因而本发明一种基于标签语义推理的自然图像分割方法，该方法包括：
[0014] 步骤1:获得一张待分割的图像，将带分割图像平均划分为四个子图像；
[0015]步骤2:对各子图像进行如下处理；
[0016] 步骤2.1:计算子图像中各像素点两两之间的欧氏距离；
[0017] 步骤2.2:计算子图像中各像素点与剩余所有像素点间的平均欧氏距离；
[0018] 步骤2.3:计算各像素点的局部密度，该局部密度表示某像素点到其余像素点的欧 氏距离大于平均欧氏距离的个数；
[0019] 步骤2.4:针对某一像素点，找到局部密度大于该像素点的其余像素点，寻找这些 像素点中到该像素点欧氏距离的最小值，该最小值为针对像素点的相似距离；
[0020] 步骤2.5:采用步骤2.4的方法获取子图像中所有像素点的相似距离和邻居；
[0021] 步骤2.6:选取子图像中局部密度和相似距离最大的2-6个像素点，这些像素点即 为该子图像的聚类中心，根据这些聚类中心将该子图像划分为相应的区域，并对每个区域 添加标签；
[0022]步骤3:对各划分了区域的子图像进行拼接，对接缝两侧将要拼接的区域进行识 另IJ，判断这两个属于子图像的区域在原图像中是否为同一区域；
[0023] 步骤3.1:统计将要拼接的两区域接缝处像素点的个数Npair;
[0024] 步骤3.2:计算将要拼接的区域的融合距离Spair，即两区域之间接缝处像素点对的 欧式距离之和；
[0025] 步骤3.3:计算将要拼接的两区域所有像素点的相似距离之和；
[0026] 步骤3.4: gNpair >5且Spalj、于步骤3.3获得相似距离之和则将两个要拼接的区域 在拼接后视为同一区域，并重新添加标签；
[0027] 步骤3.4:采用步骤3.1-3.3的方法将各子图像拼接在一起；
[0028] 步骤4:将步骤1获得待分割图像，分别进行两次尺寸缩小，获得两张尺寸不一样小 图像；
[0029] 步骤5:采用步骤2中子图像处理方法，对各小图像进行区域划分，并对各区域添加 标签；
[0030] 步骤6:将拼接后图像和步骤5获得的带标签的两张小图像的所有标签区域进行对 比，如果三张图像中有两张图像的标签区域一致，则将剩下的一张图像的标签区域替换为 与之前两张图像一样的标签，在这个过程中，如果拼接后图像的区域标签发生变化，则重新 采用步骤三进行图像拼接直到获得输入图像最终的分割结果。
[0031] 本发明具有以下优点：
[0032] (1)将图像分割问题转换为标签推理问题。
[0033] (2)该方法可自动估计图像分割后的区域数目，以满足人类感知的理解需求；
[0034] (3)本方法设计了一个图像分割框架(LSI);在LSI框架中，本方法的设计获得了详 细的图像局部信息;标签融合策略的设计合理的整合了图像的全局信息；分层标签对齐机 制的设计有效的利用了图像的尺度信息。
【附图说明】
[0035]图1是本发明所述的系统框架图。
[0036] 图2是本发明所述的基于标签语义推理的自然图像分割方法结果示意图。
[0037] 图3是本发明所得到的自然图像分割结果示意图。
【具体实施方式】
[0038] 为了解决上述问题，本发明提出的基于标签语义推理的自然图像分割方法具体实 施步骤如下：
[0039] 步骤一:将输入图像沿着两条中间线将其均分为四个子图像，分别对每一个子图 执行如下操作；
[0040] (