[發明專利]一種基于超像素以及多超圖融合的圖像分割方法

有效

• 申請號: 201810562839.2
• 申請日: 2018-06-04
• 公開（公告）號: CN108986103B
• 公開（公告）日: 2022-06-07
• 發明（設計）人: 楊明;王凱翔
• 申請（專利權）人: 南京師范大學
• 主分類號: G06T7/11
• 分類號: G06T7/11;G06K9/62;G06T3/40;G06V10/764;G06V10/762
• 代理公司: 南京經緯專利商標代理有限公司 32200
• 代理人: 葛瀟敏

1.一種基于超像素以及多超圖融合的圖像分割方法，其特征在于包括如下步驟：

步驟1，對待分割圖像進行超像素分割；

步驟2，對各超像素塊進行多種特征提取；

步驟3，對多特征中的每一個特征進行基于超像素塊的超圖構建；

步驟4，從隨機游走的角度融合多個超圖的信息構建多超圖拉普拉斯矩陣；

所述步驟4中，多超圖拉普拉斯矩陣構建部分包括以下步驟：

步驟41，以P表示超圖隨機游走的轉移概率矩陣，P的每一個元素表達如下：

其中，ω(e)為超邊e的權重，h(u，e)＝1表示頂點u在超邊e上，h(u，e)＝0表示頂點u不在超邊e上，h(v，e)＝1表示頂點v在超邊e上，h(v，e)＝0表示頂點v不在超邊e上，d(u)為頂點u的度，δ(e)為超邊e的度；

頂點u和頂點v隨機游走的穩態分布分別表達如下：

其中，d(v)為頂點v的度，vol(V)為V中包含的頂點的度，V為超圖中的頂點集合；

從隨機游走的角度解釋多超圖分割，β_i(u)為第i個超圖的權重系數，α用來平衡各超圖之間的權重：

其中，π₁(u)、π₂(u)分別表示第1、2個超圖中頂點u隨機游走的穩態分布；

各超像素之間的轉移概率矩陣表達為：

p(u，v)＝β₁(u)p₁(u，v)+β₂(u)p₂(u，v)

其中，p₁(u，v)、p₂(u，v)分別表示第1、2個超圖的元素；

頂點v的穩態分布表達為：

π(v)＝απ₁(v)+(1-α)π₂(v)

步驟42，將上述方法推廣到多個超圖上：

其中，Π_i表示第i個超圖穩態分布的矩陣格式，α_i表示第i個超圖的權重，P_i表示第i個超圖隨機游走的轉移概率矩陣，N表示超圖的個數；

得到多超圖融合之后的拉普拉斯矩陣：

其中，上標T表示轉置矩陣；

步驟5，構建基于多超圖拉普拉斯矩陣的譜聚類模型并求解：基于得到的多超圖拉普拉斯矩陣構造譜聚類模型，使用交叉迭代法進行求解；

所述步驟5的具體內容是：

步驟51，譜聚類的基本模型表達如下：

s.t.X^TX＝I

其中，Tr表示矩陣的跡，X表示超像素集合，D表示對角陣，L表示拉普拉斯矩陣；

基于多超圖拉普拉斯矩陣的譜聚類模型表達如下：

X^TX＝I

其中，Π表示穩態分布的矩陣格式，λ表示平衡因子；

步驟52，運用交叉迭代的方法求解，首先固定α，更新X：

s.t.X^TX＝I

步驟53，固定X，更新α：

這里M_i＝X^T(Π_iP_i)X，對以上帶約束的優化問題求解得到：

得到X∈R^n×k，X是由k個列向量組成的矩陣，將n個行向量看作n個不同的樣本，也代表著n個超像素塊，對這些樣本進行k-means聚類，最終對超像素塊進行劃分，得到最終的分割結果。

2.如權利要求1所述的一種基于超像素以及多超圖融合的圖像分割方法，其特征在于：所述步驟1中，運用SLIC模型對待分割圖像進行超像素分割。

3.如權利要求1所述的一種基于超像素以及多超圖融合的圖像分割方法，其特征在于：所述步驟2中，提取的特征包含顏色、梯度和紋理。

4.如權利要求1所述的一種基于超像素以及多超圖融合的圖像分割方法，其特征在于：所述步驟3中，采用INH模型進行超圖構建，將每一個超像素塊看成是圖的頂點，用超像素塊之間的相似性作為頂點之間邊的權重。