[發(fā)明專利]一種基于最大穩(wěn)定均勻區(qū)域的圖像分割方法

在審

• 申請?zhí)枺?/td>: 201710357006.8
• 申請日: 2017-05-19
• 公開（公告）號: CN107103611A
• 公開（公告）日: 2017-08-29
• 發(fā)明（設(shè)計）人: 夏春秋
• 申請（專利權(quán)）人: 深圳市唯特視科技有限公司
• 主分類號: G06T7/11
• 分類號: G06T7/11;G06T7/136;G06T7/187
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于最大穩(wěn)定均勻區(qū)域的圖像分割方法，其特征在于，主要包括基于邊緣的組件樹(一)；將基于泛洪的灰度值樹結(jié)構(gòu)擴展到基于邊緣的分量樹(二)；將現(xiàn)有的基于泛洪的組件樹擴展到多值圖像(三)；最大穩(wěn)定均勻區(qū)域(四)。

2.基于權(quán)利要求書1所述的基于邊緣的組件樹(一)，其特征在于，對于灰度值圖像，通過從連續(xù)閾值獲得的圖像二進制水平集構(gòu)建分量樹；與其灰度值對應(yīng)，基于邊緣的組件樹的節(jié)點是輸入圖像中的連接分量；連通性通過邊緣幅度的閾值定義；所得到的組件特征在于，區(qū)域內(nèi)的每個像素具有小于當前閾值的垂直或水平邊緣，反之亦然，組件的所有外邊緣都大于當前邊緣幅度閾值；通過連續(xù)增加閾值，組件增長，并最終合并到其他組件中；合并過程記錄在組件樹中，可用于在連接的組件上高效執(zhí)行圖像處理任務(wù)。

3.基于權(quán)利要求書2所述的組件樹，其特征在于，組件樹是分層數(shù)據(jù)結(jié)構(gòu)，基本上有三種不同的組件樹計算算法：浸沒式算法，泛洪算法和基于合并的算法；通過從連續(xù)閾值獲得的二進制集合的連接分量對灰度圖像進行建模；將灰度圖像的組件樹擴展到具有任意數(shù)量信道的圖像，同時保持計算復(fù)雜度為線性。

4.基于權(quán)利要求書1所述的將基于泛洪的灰度值樹結(jié)構(gòu)擴展到基于邊緣的分量樹(二)，其特征在于，定義像素邊緣的鄰域關(guān)系；本質(zhì)上，每個像素有四個邊，即兩個垂直和兩個水平；此外，每個垂直和水平像素邊緣連接兩個相鄰的像素；因此，由于兩個相鄰像素共享其邊緣之一，所以每個邊緣具有6個獨特的邊緣鄰域。

5.基于權(quán)利要求書4所述的邊緣鄰域，其特征在于，為了確保圖像中的每個邊緣具有6個鄰域，并且不需要明確的邊界處理，圖像邊界處的邊緣被人為地添加到無限大小；因此，在圖像的每一行中存在w+1個水平邊緣和w個垂直邊緣，其中w是原始圖像的寬度。

6.基于權(quán)利要求書4所述的鄰域關(guān)系，其特征在于，給定鄰域關(guān)系，選擇任意圖像邊緣并將其值與其六個相鄰像素進行比較；一旦找到一個較低值的邊，就會有相應(yīng)的邊緣，并檢查其六個相鄰邊；將所有訪問的邊緣存儲到邊緣堆棧中，具體取決于它們的值；離散化堆棧的大小，在前一步驟中將所有邊緣量值進行二進制化。

7.基于權(quán)利要求書4所述的局部最小值，其特征在于，一旦找到局部最小值，將屬于相應(yīng)邊緣的像素合并到樹的一個組件中；由于收集了堆棧中的所有訪問像素，可以從堆棧中的最低邊開始，并將像素連續(xù)合并到組件中。

8.基于權(quán)利要求書4所述的基于泛洪的灰度值樹，其特征在于，樹形結(jié)構(gòu)從任意圖像像素開始，并將其灰度值與其相鄰像素進行比較；如果遇到具有較低灰度值的像素，則該過程會向該像素泛洪；過程中遇到的每個像素被存儲到一個堆棧中，它具有與灰度級一樣多的狹窄通道；一旦過程中遇到局部灰度值最小值，就會生成一個新的連接組件；然后，堆疊中的下一個最低值的像素被彈出并與其鄰域進行比較；這允許通過所有像素單次遍歷組件樹的構(gòu)造。

9.基于權(quán)利要求書1所述的將現(xiàn)有的基于泛洪的組件樹擴展到多值圖像(三)，其特征在于，首先，像素有大約兩倍的圖像邊緣；此外，每個邊緣必須考慮6個邊緣鄰域；因此，預(yù)期構(gòu)造過程比單個極性的灰度值分量樹的加速約慢3倍(加上計算圖像邊緣的時間)；然而，由于基于邊緣的組件樹捕獲比其背景更淺或更暗的所有區(qū)域，所以當提取兩個極性的區(qū)域時，運行時間基本上只是慢1.5倍；對于兩個組件樹，樹遍歷的復(fù)雜度是相同的。

10.基于權(quán)利要求書1所述的最大穩(wěn)定均勻區(qū)域(四)，其特征在于，令R₁,…,R_i-1,R_i,…分別為一組嵌套的均勻或極值區(qū)域(因此)；最穩(wěn)定的區(qū)域R_i*在最大穩(wěn)定極值區(qū)域的上下文中，最大穩(wěn)定均勻區(qū)域是i*的局部最小值的區(qū)域；

s(i)＝|R_i+Δ/R_i-Δ|-|R_i|(1)

其中，Δ是穩(wěn)定性參數(shù)，|·|表示基數(shù)；

在組件樹(灰度和邊緣)中，每個給定節(jié)點的親本序列是一組嵌套區(qū)域；每個節(jié)點進一步存儲其區(qū)域和創(chuàng)建的閾值級別；因此，可以通過分別在D的距離處檢查父節(jié)點和子節(jié)點的面積來為每個節(jié)點計算s(i)；所得到的區(qū)域可能是在給定數(shù)量的閾值(灰度或邊緣)上顯著改變它們的面積的重疊區(qū)域。