[發(fā)明專利]支持向量機與區(qū)域增長相結(jié)合的圖像分割方法

無效

• 申請?zhí)枺?/td>: 201010155194.4
• 申請日: 2010-04-26
• 公開（公告）號: CN101826208A
• 公開（公告）日: 2010-09-08
• 發(fā)明（設計）人: 劉露;馬建為;楚春雨;張斌
• 申請（專利權）人: 哈爾濱理工大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06K9/62
• 代理公司: 哈爾濱東方專利事務所 23118
• 代理人: 陳曉光

技術領域：

本發(fā)明涉及一種支持向量機與區(qū)域增長相結(jié)合的圖像分割方法。

背景技術：

圖像分割技術是最重要的圖像處理技術之一，在各個領域得到了廣泛的應用。目前，圖像分割方法主要有兩類：基于區(qū)域的方法和基于邊緣的方法。其中基于區(qū)域的方法主要有：閾值法、區(qū)域增長法和分類方法。

區(qū)域增長法是從若干種子點出發(fā)，根據(jù)一定的增長規(guī)則向外增長，由增長規(guī)則判定與種子點具有相似特征的點被加入的分割結(jié)果中。增長規(guī)則可基于灰度信息、紋理信息等，種子點通常采用人機交互方式手動選取。這種方法的關鍵在于種子點的選取和增長規(guī)則的確定。在實際應用中，根據(jù)具體情況確定增長規(guī)則往往比較困難。

分類方法是圖像分割方法中的一類重要方法，特別是當目標區(qū)域比較分散時，比其它分割方法更具優(yōu)勢。用分類器進行分割是一種有監(jiān)督的統(tǒng)計方法，它需要已知分割結(jié)果的樣本集作為對新圖像進行自動分割的參考。典型的分類方法有：神經(jīng)網(wǎng)絡、支持向量機等。然而這種方法需要對圖像中的每個像素點進行特征提取并使用分類器判別，因此分割速度通常較慢。

發(fā)明內(nèi)容：

本發(fā)明的目的是針對上述問題提供一種支持向量機(SVM)與區(qū)域增長相結(jié)合的圖像分割方法，該方法能夠有效地解決經(jīng)典區(qū)域增長算法中生長規(guī)則確定的困難和單純使用支持向量機分割速度慢的問題。

上述的目的通過以下的技術方案實現(xiàn)：

支持向量機與區(qū)域增長相結(jié)合的圖像分割方法，該方法包括如下步驟：

(1)選取樣本訓練分類器；

(2)自動選取種子點；

(3)使用支持向量機判別進行區(qū)域增長；

(4)進行后處理。

所述的支持向量機與區(qū)域增長相結(jié)合的圖像分割方法，步驟(1)所述的選取樣本訓練分類器的方式為：從已知分割結(jié)果的圖像中選取一組目標區(qū)域與非目標區(qū)域樣本點作為支持向量機分類器的訓練樣本。

所述的支持向量機與區(qū)域增長相結(jié)合的圖像分割方法，步驟(2)所述的自動選取種子點的方法為：以粒度N，即每隔N行N列取一個像素點，利用訓練好的支持向量機判別該點是否屬于目標區(qū)域，如果該點屬于目標區(qū)域，則將該點記為種子點。

所述的支持向量機與區(qū)域增長相結(jié)合的圖像分割方法，步驟(3)所述的使用支持向量機判別進行區(qū)域增長的具體方法為：以步驟(2)所選種子點做起點進行區(qū)域增長，使用支持向量機對像素點進行分類判別，決定是否將該點標記為目標區(qū)域。

所述的支持向量機與區(qū)域增長相結(jié)合的圖像分割方法，步驟(4)所述的進行后處理的包括：平滑、濾波、數(shù)學形態(tài)學操作中的一種或幾種。

本發(fā)明的有益效果：

(1)單純使用支持向量方法對圖像進行分割，需要對圖像中的每個點使用支持向量機進行分類判別，而本方法通常不需要對所有點進行判別，因此在速度上要優(yōu)于單純使用支持向量機的分割方法。

(2)與經(jīng)典的區(qū)域增長算法相比，避免了手動選取種子點的交互操作以及增長規(guī)則和終止條件的選擇困難問題。在該方法中種子點的選取使用支持向量機自動搜索，只需根據(jù)具體情況確定合適的粒度N即可。而在區(qū)域增長過程中直接使用支持向量機自動判別。

(3)該方法只需提供一已知分割結(jié)果的圖像用于訓練支持向量機，訓練好后就可以實現(xiàn)同類圖像的自動分割。

附圖說明：

附圖1是本發(fā)明的流程框圖。

附圖2(A)是肺部上段的CT圖像，(B)是肺部中段的CT圖像，(C)是肺部下段的CT圖像。

附圖3(A)是對肺部上段的CT圖像自動搜索找到的種子點，(B)是對肺部中段的CT圖像自動搜索找到的種子點，(C)是對肺部下段的CT圖像自動搜索找到的種子點。

附圖4(A)是對肺部上段的CT圖像根據(jù)自動搜索找到的種子點使用支持向量機判別的區(qū)域生長結(jié)果，(B)是對肺部中段的CT圖像根據(jù)自動搜索找到的種子點使用支持向量機判別的區(qū)域生長結(jié)果，(C)是對肺部下段的CT圖像根據(jù)自動搜索找到的種子點使用支持向量機判別的區(qū)域生長結(jié)果。

附圖5(A)是對附圖4(A)經(jīng)后處理后的二值圖像，(B)是對附圖4(B)經(jīng)后處理后的二值圖像，(C)是對附圖4(C)經(jīng)后處理后的二值圖像。

附圖6(A)是附圖5(A)和附圖2(A)相乘并去背景后的結(jié)果，(B)是

附圖5(B)和附圖2(B)相乘并去背景后的結(jié)果，(C)是附圖5(C)和附圖2(C)相乘并去背景后的結(jié)果，

具體實施方式：

實施例1：

支持向量機與區(qū)域增長相結(jié)合的圖像分割方法，該方法框圖如圖1所示，其具體實施方式如下：

(1)選取樣本訓練分類器