[發明專利]基于圖像特征密度峰值搜索的圖像分割方法、系統及介質

有效

• 申請號: 201810409424.1
• 申請日: 2018-05-02
• 公開（公告）號: CN108629783B
• 公開（公告）日: 2021-05-04
• 發明（設計）人: 鄭元杰;孫喆;連劍;戚萌;賈偉寬
• 申請（專利權）人: 山東師范大學
• 主分類號: G06T7/11
• 分類號: G06T7/11;G06T7/90;G06K9/46;G06K9/62
• 代理公司: 濟南圣達知識產權代理有限公司 37221
• 代理人: 黃海麗

本發明公開了基于圖像特征密度峰值搜索的圖像分割方法、系統及介質，該方法將一種新穎的聚類算法與圖像特征結合來實現圖像分割。主要分為以下關鍵部分：圖像預處理，特征值提取，聚類分析中的變量求解與利用，以及自適應選取聚類中心的實現。首先將以像素點為單位的原圖像粗分為以超像素為單位的色塊圖，通過提取這些色塊作為樣本點來進行聚類分析，得到的聚類分析結果后構建函數選取聚類中心，最后再將超像素序列回歸為像素序列，根據索引與編號得到聚類的最終結果。從而完成基于聚類的分割。

技術領域

本發明涉及圖像處理領域，特別是涉及基于圖像特征密度峰值搜索的圖像分割方法、系統及介質。

背景技術

在信息爆炸的大環境下，圖像作為信息傳遞、存儲和表達的重要載體，是人類獲取信息的重要手段之一。人們希望更高效地提取、利用圖片上的信息，因此，圖像處理技術應運而生。其中，圖像分割是實現圖像處理和圖像分析的一個關鍵環節，也是一道經典難題。圖像分割技術是將一幅圖像分成多個特征各異的區域并提取感興趣目標的技術和過程，以期為后續細致的數字圖像處理工作提供依據。為了更好的辨識和處理圖像中的目標，需要將目標特征分離出來，才能進行更高效、更有針對性的分析。圖像分割是圖像處理的首要步驟，它將直接決定分割后續圖像處理工作的質量，在數字圖像處理的大部分領域中，圖像分割都有著廣泛的應用，如何快速、有效地進行圖像分割已經成為研究熱點問題之一。

圖像分割的研究最早可追溯到20世紀60年代，經典的算法有基于邊緣檢測的方法、閾值分割法、基于聚類的分割方法、區域跟蹤以及基于分水嶺算法的分割方法等。這些算法中有些只需要提供灰度直方圖便可得出結果，有些則需要空間細節，還有一些是利用模糊集分類方法以實現分割。其中，基于聚類的圖像分割方法應用十分廣泛，如K-means，Fuzzy C-means，DBSCAN等均是十分經典的聚類分割方法，然而，常規聚類算法進行圖像分割存在聚類類別個數難以確定、迭代容易陷入局部極值以及過分割等問題，算法至今還沒有建立起完善的理論體系，也沒有一個通用的方法來解決所有的圖像分割問題。

基于密度峰值和快速搜尋的聚類算法是由Alex等人于2014年提出的一個新穎的聚類算法，由假設、定量和構建決策圖三部分組成，其重要思想是利用聚類中心的特殊性質來分離聚類中心與其他樣本點、離群點，并通過決策圖將此概念直觀的表達出來以幫助工作人員識別類簇。然而此算法缺少進一步的辦法來指定聚類中心，仍然有賴于人為干預，因此不能做到自適應選取聚類中心。

因此，目前面臨的技術問題是：如何在沒有先驗知識的情況下進行高效且準確率高的聚類分割，如何實現聚類以及分割的自適應。

發明內容

為解決上述問題，本發明結合了經典聚類算法與基于密度峰值聚類算法各自優點，提出基于圖像特征密度峰值搜索的圖像分割方法、系統及介質，依據一個簡單的假設，在沒有先驗知識的情況下，將圖像特征映射在特定空間中，并按照順序依次劃分入類、分離噪聲，快速搜尋密度峰值并自動將具有較高相似度的像素信息劃分為一類，劃分過程不需迭代，也具有較好的魯棒性，分割效率基本不受圖片分辨率的影響。

為實現上述目的，本發明采用如下技術方案：

作為本發明的第一方面，提供了基于圖像特征密度峰值搜索的圖像分割方法；

基于圖像特征密度峰值搜索的圖像分割方法，包括以下步驟：

步驟(1)：對原始圖像進行預處理，利用超像素分割將原始圖像轉換為超像素圖像；

步驟(2)：將超像素圖像中的每一個樣本點進行顏色特征提取；

步驟(3)：對樣本點進行聚類分析：對每一個樣本點的圖像顏色特征均定義兩個變量ρ和δ；ρ表示每個樣本點的局部密度，δ表示與當前樣本點相比具有更高局部密度的最近鄰點與當前樣本點之間的距離；

步驟(4)：以局部密度ρ為橫軸和最近鄰距離δ為縱軸，建立直角坐標系，即決策圖；