[發明專利]一種基于圖像復雜性的特征自適應圖像共分割方法

有效

• 申請號: 201210448129.X
• 申請日: 2012-11-09
• 公開（公告）號: CN102982539A
• 公開（公告）日: 2013-03-20
• 發明（設計）人: 李宏亮;孟凡滿
• 申請（專利權）人: 電子科技大學
• 主分類號: G06T7/00
• 分類號: G06T7/00
• 代理公司: 電子科技大學專利中心 51203
• 代理人: 李明光

技術領域

本發明涉及圖像處理技術，特別涉及自適應圖像共分割技術。?

背景技術

伴隨著網絡的發展，網絡中存在著大量的數字圖像。利用這些海量的圖像實現特定對象的發現和分割越來越成為人們關注的問題。?

共分割是從多幅不同背景的，包含相同特定對象的圖像中將特定對象分割出來的技術。為了分割出當前圖像中的特定對象，現有的共分割方法首先引入多幅包含相同特定對象的圖像，如搜索引擎獲取的圖像，然后通過提取和分割出這組圖像中包含的共同對象實現特定對象的分割。?

共分割方法的優點為僅需要用戶引入輔助圖像，用戶參與程度低，工作量較少。目前，已有多種數字圖像共分割方法被提出，如基于馬爾科夫隨機場的圖像共分割方法，基于判別聚類的圖像共分割方法，基于熱擴散理論的圖像共分割方法，基于主動輪廓的圖像共分割方法，基于隨機游走的圖像共分割方法及基于最短路徑的圖像共分割方法等。在這些方法中，圖像共分割問題通常被刻畫為最優化問題。該最優化問題考慮兩個方面，一是單幅圖像的對象分割，即前景與背景的差異及局部區域像素標簽的平滑性；二是不同圖像間前景的相似程度，即要求分割的結果為共同對象。單幅圖像的對象分割通常由傳統的單幅圖像分割方法實現，而共同對象分割則作為添加項加入到單幅圖像分割模型中，通過最優化對應的能量項，將共同對象分割出來。?

共分割方法中的一個核心問題是如何衡量前景區域的相似程度。如果相似程度的選擇不合理，共同對象便無法從對象中分割出來?，F有的方法通常采用固定的相似程度衡量標準，即在進行共分割時，即使針對不同圖像組的共同對象，系統使用設置相同的一系列共分割的特征參數。如將人臉作為共同對象的圖像組與將飛機作為共同對象的圖像組所使用的共分割的顏色、形狀、紋理等參數均沒有變化。事實上，不同圖像組中共同對象對應的相同特征是千差萬別的，共分割的參數如不及時調整將影響共分割結果的準確性。但作為自動的圖像共分割方法，人們往往無法參與到特征參數的選擇，難以對參與分割的特征參數進行手動調整。?

發明內容

本發明所要解決的技術問題是，提供一種能夠自適應調整共分割特征參數的圖像共分割方法。?

本發明為解決上述技術問題所采用的技術方案是，一種基于圖像復雜性分析的特征自適?應圖像共分割方法，包括以下步驟：?

1）計算輸入的圖像組中各圖像的復雜度，在輸入的圖像組中選取m個背景簡單的圖像；m為大于1的正整數；?

2）將m個背景簡單的圖像初始分割出各自的前景區域，得到初始分割結果；?

3）利用初始分割結果以及初始共分割參數通過期望最大化學習算法得到使得m個背景簡單的圖像的分割結果間具有最優相似度的最優共分割參數向量；?

4）利用最優共分割參數向量對輸入圖像組中的所有圖像進行共分割實現對所有圖像中共同對象的分割。?

本發明考慮到簡單背景圖像中對象檢測方法的檢測結果較準確，而復雜圖像中的檢測結果較分散，考慮到初始分割準確度，首先從簡單背景圖像的分割結果出發，再通過學習不同圖像組對應的最優相似程度衡量標準來自適應調整共分割參數。?

本發明的有益效果是，基于圖像復雜性分析的自適應調整共分割參數，使得本發明的圖像共分割方法檢測率高、結果準確，自適應能力強。?

附圖說明

圖1根據本實施例方法得到的不同圖像組的共分割結果。?

具體實施方式

本實施例在Matlab?R2010a實驗平臺上進行實現，主要包括三個步驟，分別是簡單圖像的獲取和初始分割的生成，特征模型的學習及共分割實現，具體如下：?

步驟一、簡單圖像的獲取和初始分割的生成。具體包括以下子步驟：?

第1步：分析圖像的復雜性并排序。通過計算復雜程度分數和復雜程度分數實現。?

①采用多尺度的基于邊緣的圖像過分割方法將圖像I_i,i＝1,…,N_i過分割成局部區域，求取圖像復雜程度分數過分割是指將圖像分割為多個局部區域，而不考慮區域的語義：?