[发明专利]基于核传递的半自动图像分割方法

权利要求书

1.一种基于核传递的半自动图像分割方法，其特征在于，包括如下步骤：

1)输入一幅图像，采用均值漂移方法将该图像预分割为超像素集i＝1，2，...，n，其中s_i为预分割输入图像所得的第i个超像素，n表示S所含超像素的个数；

2)提取每一个超像素的16级量化的颜色直方图，构成超像素颜色直方图特征集其中hist_i为第i个超像素的16级量化直方图，16级量化直方图横坐标所包含的颜色种类为4096；

3)依据超像素直方图特征集SF，采用Bhattacharyya系数公式计算任意两个超像素间的相似性系数：u为颜色特征直方图的第u类，获得大小为n×n的相似度矩阵W＝{W_ij}，i＝1，2，...，n，j＝1，2，...，n；

4)在预分割之后的图像上，通过用户交互操作对超像素进行标记，即将前景目标超像素标记为1，背景超像素标记为0，生成一个大小为num_seed×1的标记向量ls_i∈{0，1}，其中ls_i表示第i个种子超像素的标记，num_seed为标记的种子超像素的个数，并由num_seed个种子超像素构成种子超像素集合其中se_i为标记的第i个种子超像素；

5)查看种子超像素集合S_seed中种子超像素se_i和se_i+1的标记ls_i和ls_i+1，如果se_i与se_i+1的标记ls_i和ls_i+1相同，则用se_i与se_i+1在超像素颜色直方图特征集SF中对应的位置构造must-link约束集合M；否则，用se_i与se_i+1在超像素颜色直方图特征集SF中对应的位置构造cannot-link约束集合C；

6)将成对约束信息must-link约束集合M，cannot-link约束集合C以及相似度矩阵W，按照核传递方法的映射关系映射到一个核空间，得到大小为n×n的核矩阵R；

7)采用k均值聚类方法，把核矩阵R按行聚为两类，得到聚类标记向量l_i∈{0，1}，其中l_i为第i个超像素s_i的标记；

8)将聚类标记向量中标记为0的超像素的颜色设置为白色，作为背景；将标记为1的超像素保持原始图像的颜色，作为分割出来的前景目标，输出并显示结果图像。

2.根据权利要求1所述的方法，其特征在于所述步骤4)中的用户交互操作，是按如下步骤进行：

4a)通过鼠标标记前景目标超像素：在预分割后的图像上，用户先通过鼠标选择随后要进行标记的类型，即前景类型，然后对前景目标超像素进行标记；4b)通过鼠标标记背景超像素：在预分割后的图像上，用户先通过鼠标选择随后要进行标记的类型，即背景类型，然后对背景超像素进行标记，得到带有前景标记和背景标记的图像。

3.根据权利要求1所述的方法，其特征在于步骤7)所述的采用k均值聚类方法，把核矩阵R按行聚为两类，按照如下步骤进行：

7a)将大小为n×n的核矩阵R的每一行视为一个数据点，得到n个数据点(X₁，X₂，...X_n)，其中X_i为核矩阵R第i行，对应于第i个超像素，i＝1，2，...，n；

7b)从(X₁，X₂，...X_n)中选取一个前景目标超像素对应数据点X_i和一个背景超像素对应数据点X_j，用X_i作为第一类数据点集的聚类中心用X_j作为第二类数据点集的聚类中心其中i＝1，2，...，num_seed，j＝1，2，...，num_seed，i≠j，

根据欧氏距离公式，当k＝1时，计算第1次分类时每一个数据点X_i到两个聚类中心和的距离和

d(Xi,Mj1)=[Xi(1)-Mj1(1)]2+[Xi(2)-Mj1(2)]2+...+[Xi(n)-Mj1(n)]2,j∈{1,2},]]>

其中，X_i是第i个数据点，

如果将数据点X_i划归到所在的数据点集即反之将数据点X_i划归到所在数据点集即

7c)对第k次分类得到两类数据点集和依据均值公式计算新聚类中心j∈{1，2}，其中n_j表示第j个数据点集数据点的个数；

7d)根据欧氏距离公式，计算每一个数据点X_i到两个新聚类中心的距离

d(Xi,Mjk+1)=[Xi(1)-Mjk+1(1)]2+[Xi(2)-Mjk+1(2)]2+...+[Xi(n)-Mjk+1(n)]2,]]>

其中，j∈{1，2}，为第k+1次分类时第j类数据点集的聚类中心，

如果将数据点X_i划分到所在数据点集即反之则将数据点X_i划分到所在数据点集即

7f)重复步骤7c)和7d)，直到j∈{1，2}，即两类聚类中心不再变化为止，得到两类数据点集和