[發(fā)明專利]一種基于局部圖結(jié)構(gòu)相似度的圖像分割方法

有效

• 申請?zhí)枺?/td>: 202110263189.3
• 申請日: 2021-03-11
• 公開（公告）號: CN112991361B
• 公開（公告）日: 2023-06-13
• 發(fā)明（設(shè)計）人: 羅西玲;陳晨;康蕊
• 申請（專利權(quán)）人: 溫州大學(xué)激光與光電智能制造研究院
• 主分類號: G06T7/11
• 分類號: G06T7/11;G06T7/136
• 代理公司: 杭州萬合知識產(chǎn)權(quán)代理事務(wù)所(特殊普通合伙) 33294
• 代理人: 余冬;萬珠明

本發(fā)明公開了一種基于局部圖結(jié)構(gòu)相似度的自適應(yīng)圖像分割方法，包括以下步驟，將原始圖像均勻劃分為多個互不重疊的子圖像并計算其平均子圖像；隨后根據(jù)圖理論建立平均子圖像圖連接矩陣并計算平均子圖像圖連接矩陣的特征值和特征向量；其次順序選取原始圖像每一個子區(qū)間并使用獲得的特征向量對子區(qū)間進行分解；隨后將分解后的矩陣分解為對角矩陣和非對角矩陣并計算其非對角矩陣的1范數(shù)；待所有子區(qū)間1范數(shù)計算完畢后對所有子區(qū)間矩陣1范數(shù)進行線性化處理；最終根據(jù)范數(shù)分布進行圖像分割。本發(fā)明具有抗干擾能力強魯棒性高的特點。

技術(shù)領(lǐng)域

本發(fā)明涉及圖像處理技術(shù)領(lǐng)域，特別涉及一種基于局部圖結(jié)構(gòu)相似度的圖像分割方法。

背景技術(shù)

圖像分割是數(shù)字圖像處理領(lǐng)域中一項具有挑戰(zhàn)的任務(wù)。圖像的準確分割在國防安全、醫(yī)學(xué)圖像、工業(yè)測量和自動駕駛等方面有著重要的研究意義和應(yīng)用價值。傳統(tǒng)圖像分割方法通過在特征空間的基礎(chǔ)上利用數(shù)學(xué)方法建立分割又模型，常用傳統(tǒng)方法有基于邊緣的分割方法、基于閾值的分割方法和基于區(qū)域的分割方法等。其分割過程中特征表達通常通過人工設(shè)計，對圖像表達多數(shù)為低層次特征，受圖像邊界信息不連續(xù)和圖像空間關(guān)系應(yīng)用較少等因素影響較大。此外，傳統(tǒng)檢測算法對光照變化、陰影遮擋等環(huán)境干擾較為敏感而導(dǎo)致魯棒性不足等問題，無法直接應(yīng)用于工程場景。隨著數(shù)字圖像處理和計算能力的提高，基于圖結(jié)構(gòu)的數(shù)據(jù)表示方法得到了廣泛的關(guān)注。本發(fā)明提出了一種基于局部圖結(jié)構(gòu)相似度的圖像分割方法，并有望利用其進行圖像的區(qū)域分割。

發(fā)明內(nèi)容

本發(fā)明的目的在于，提供一種基于局部圖結(jié)構(gòu)相似度的圖像分割方法。本發(fā)明具有抗噪聲干擾能力強的特點，能夠利用圖結(jié)構(gòu)進行圖像的區(qū)域分割。

本發(fā)明的技術(shù)方案：一種基于局部圖結(jié)構(gòu)相似度的圖像分割方法，包括以下步驟：

包括以下步驟：

S1：將原始圖像均勻劃分為多個互不重疊的子圖像并計算其平均子圖像；

S2：建立平均子圖像圖連接矩陣；

S3：計算平均子圖像圖連接矩陣的特征向量；

S4：設(shè)置滑動窗口，其尺寸與子圖像大小相同；

S5：將滑動窗口移動至原始圖像左上角，建立當(dāng)前窗口內(nèi)像素點灰度值的圖連接矩陣；

S6：使用獲得的特征向量對當(dāng)前窗口獲得的圖連接矩陣進行分解，獲取當(dāng)前窗口分解后的矩陣信息；

S7：將分解后的矩陣信息分解為對角矩陣和非對角矩陣，并計算非對角矩陣的1范數(shù)；

S8：將滑動窗口向右移動一個像素，重復(fù)步驟S6-S7；

S9：繼續(xù)遍歷當(dāng)前圖片所有像素，形成滑動窗口非對角矩陣的1范數(shù)序列；

S10：對獲得的1范數(shù)序列進行規(guī)范化處理；

S11：設(shè)置輸入閾值，若1范數(shù)大于該閾值則該范數(shù)對應(yīng)的像素點為同一類別，反之為另一類別。

上述的基于局部圖結(jié)構(gòu)相似度的自適應(yīng)圖像分割方法中，所述的步驟S2中,平均子圖像圖連接矩陣的建立算法為：

其中X為所建立的平均子圖像圖連接矩陣，d為相關(guān)像素點之間的歐幾里得距離，下標為子圖像對應(yīng)序號，對于含有n個像素點的子圖像，平均連接矩陣的總元素為n×n個。

前述的基于局部圖結(jié)構(gòu)相似度的自適應(yīng)圖像分割方法，所述的步驟S6中,使用獲得的特征向量對當(dāng)前滑動窗口元素進行分解的算法為：

Y^t＝ΓX^tΓ'