[發明專利]一種基于最大穩定均勻區域的圖像分割方法

在審

• 申請號: 201710357006.8
• 申請日: 2017-05-19
• 公開（公告）號: CN107103611A
• 公開（公告）日: 2017-08-29
• 發明（設計）人: 夏春秋
• 申請（專利權）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

技術領域

本發明涉及圖像分割領域，尤其是涉及了一種基于最大穩定均勻區域的圖像分割方法。

背景技術

隨著科技發展和圖像信息的大量產生，目標圖像的自動識別和分類應用越來越廣泛，同時實際應用問題對目標識別技術的要求也越來越高。其中圖像分割技術是圖像識別分類技術中的一個重要階段，它主要依據圖像像素點灰度和區域分布特性進行特征提取。圖像分割質量高，將有利于圖像識別技術接下來的特征提取和目標識別。圖像分割技術現已廣泛應用于機器視覺、人臉識別、指紋識別、交通控制系統、衛星圖像中定位物體(道路、森林等)、行人檢測、醫學影像中腫瘤和其他病理的定位、組織體積的測量等。然而傳統的圖像分割方法大多是基于最大穩定極值區域，但是這種方法在計算上要求很高，不能應用于具有任意數量的通道的圖像。

本發明提出了一種基于最大穩定均勻區域的圖像分割方法，對于灰度值圖像，通過從連續閾值獲得的圖像二進制水平集構建分量樹；定義像素邊緣的鄰域關系，構造基于泛洪的灰度值樹；將現有的基于泛洪的組件樹擴展到多值圖像；運用最大穩定均勻區域方法改變面積的重疊區域。本發明提出的基于最大穩定均勻區域，可應用于具有任意數量通道的圖像，擴展了有效計算，改進了最大穩定極值區域的方法；同時能夠提取具有較淺和較暗背景的區域，提高分割的準確性，有效提取信息。

發明內容

針對在計算上要求很高，不能應用于具有任意數量的通道的圖像等問題，本發明的目的在于提供一種基于最大穩定均勻區域的圖像分割方法，對于灰度值圖像，通過從連續閾值獲得的圖像二進制水平集構建分量樹；定義像素邊緣的鄰域關系，構造基于泛洪的灰度值樹；將現有的基于泛洪的組件樹擴展到多值圖像；運用最大穩定均勻區域方法改變面積的重疊區域。

為解決上述問題，本發明提供一種基于最大穩定均勻區域的圖像分割方法，其主要內容包括：

(一)基于邊緣的組件樹；

(二)將基于泛洪的灰度值樹結構擴展到基于邊緣的分量樹；

(三)將現有的基于泛洪的組件樹擴展到多值圖像；

(四)最大穩定均勻區域。

其中，所述的基于邊緣的組件樹，對于灰度值圖像，通過從連續閾值獲得的圖像二進制水平集構建分量樹；與其灰度值對應，基于邊緣的組件樹的節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，區域內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行圖像處理任務。

進一步地，所述的組件樹，是分層數據結構，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量信道的圖像，同時保持計算復雜度為線性。

其中，所述的將基于泛洪的灰度值樹結構擴展到基于邊緣的分量樹，定義像素邊緣的鄰域關系；本質上，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。

進一步地，所述的邊緣鄰域，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。

進一步地，所述的鄰域關系，給定鄰域關系，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。

進一步地，所述的局部最小值，一旦找到局部最小值，將屬于相應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，并將像素連續合并到組件中。

進一步地，所述的基于泛洪的灰度值樹，樹形結構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造。