[發明專利]一種并行的分形網絡演化影像分割方法

有效

• 申請號: 201210312528.3
• 申請日: 2012-08-29
• 公開（公告）號: CN102831613A
• 公開（公告）日: 2012-12-19
• 發明（設計）人: 咼維;朱欣艷;胡濤;劉異
• 申請（專利權）人: 武漢大學
• 主分類號: G06T7/00
• 分類號: G06T7/00
• 代理公司: 武漢科皓知識產權代理事務所(特殊普通合伙) 42222
• 代理人: 魯力

技術領域

本發明涉及一種分形網絡演化影像分割算法，尤其是涉及一種并行的分形網絡演化影像分割方法。

背景技術

影像圖像分割作為一種重要的圖像處理技術，已廣泛應用在不同領域中，并提出了上千種分割方法，分水嶺分割算法、均值漂移分割算法和Definiens公司的多分辨率影像分割算法等被應用得較多，其中分形網絡演化法（Fractal?Net?Evolution?Approach，FNEA）算法是一種有效的多尺度影像分割方法，并且被證實相比常用的只使用像素光譜信息的其他遙感分割算法，公認具有更好的分割效果。

目前并行分解算法主要分為區域分解、功能分解、流水線、分而治之和同步并行等幾類。常見的面向像素的并行遙感處理算法一般屬于區域分解，但由于分割類算法涉及到的像素區域并不固定且范圍較大，故區域分解方法并不適應。功能分解和流水線主要針對具有明確處理環節的遙感處理流程而非獨立算法，并且各個處理環節較獨立且交互少，比如：對多張遙感圖像進行地理編碼且拼接的處理流程，本發明提出的算法不屬于該類。同步并行算法主要用于對一些串行算法內部某些關鍵步驟的并行改造，而不是對問題解決方法的并行，屬于一種輔助型的并行計算技術，多采用OpenMP等。

由于圖像的二維特點，一般遙感圖像處理的并行算法一般是將圖像分割成多個獨立或帶有一定重疊區域的矩形分塊，然后分別對每個分塊進行處理后，將結果輸出到文件中進行合并。對于雷達濾波、極化分解、像素級分類、共生矩陣特征計算等問題，由于其算法處理單元為像素的小范圍鄰域，并且處理單元之間相互獨立，因此分解與合并策略較為簡單，可設計成通用方案，而對于FNEA算法，其處理單元涉及較大圖像范圍內像素，而且具體尺寸不固定，因此分解與合并較為復雜，并不能采用通用方案，需要根據算法特點進行設計。

發明內容

本發明的上述技術問題主要是通過下述技術方案得以解決的：

一種并行的分形網絡演化影像分割方法，其特征在于，包括以下步驟：

步驟1.將影像針對用戶期望最終尺度分解成多個由小到大的若干尺度序列，然后串行化對每個尺度進行后續操作，其中，前一個小尺度的輸出是后一個較大尺度的輸入；

步驟2.將待分割圖像按照步驟1中所分解的由小到大的若干尺度序列進行多級網格劃分，形成第1級至第N級待處理網格，所述第1級至第N級待處理網格與上述由小到大的若干尺度序列相對應，即第1級待處理網格為最小尺度序列···第N級待處理網格為最大尺度序列；

步驟3.執行第M級待處理網格的節點對應的子任務，其中M=1、2···N，N為正整數；

步驟4.當第M級待處理網格的節點對應的子任務執行完畢后，將執行過程中產生的有效分割結果進行合并，以作為尺度序列中更大尺度的輸入；

步驟5.重復步驟3至步驟4，直至處理完至第N級待處理網格，即用戶指定尺度后，處理結束。

本發明創造性的提出的并行圖像分割算法屬于分而治之類，所謂分而治之是指將問題不斷分解形成具有層次關系的子問題以便于并行處理，其特點是需要根據問題本身的特點來進行問題分解，而不是期望采用一種通用處理手段來進行算法并行化，下面將FNEA算法的資源占用情況進行闡述，然后根據其特點來設計相應的并行策略來緩解和并行化資源消耗。

本發明認為FNEA算法主要具有如下可用于并行分解的特點：（1）分割實體尺寸可控。FNEA算法是一種多尺度算法，在區域生長過程中的異質度受到顏色和形狀兩個方面的控制，且大小與對象尺度成正比，因此對象尺度可以通過異質度的大小來進行控制。這種可控制的分割實體尺寸特點為后面的并行分解策略提供了基礎。（2）分割輸入形式可以是對象。FNEA是一種面向對象的多尺度分割算法，輸入內容不僅僅可以是像素，也可以是對象集合。因此，在尺度序列生成后，前一個尺度的輸出對象可以作為后一個尺度的輸入對象，有利于提高算法的執行效率。（3）FNEA算法執行過程中，僅需計算對象拓撲和特征統計信息，而無需考慮像素特征，因此對于對象的表達可采用占用內存資源少的簡化柵格表達，并且對象尺寸越大，內存消耗減少比例越大。該特點使得相同面積下的多個大尺度對象比多個小尺度對象占用的內存要大幅度減少，因此并行分解策略可以利用該特點來擴大分割處理范圍。