[发明专利]从图像中自动分割目标对象的方法

说明书

技术领域

本发明涉及目标对象分割领域，尤其涉及从图像中自动分割目标对象的方法。

背景技术

图像处理技术是一个跨学科的领域。随着计算机科学技术的不断发展，图像处理和分析逐渐形成了自己的科学体系，新的处理方法层出不穷，尽管其发展历史不长，但却引起各方面人士的广泛关注。首先，视觉是人类最重要的感知手段，图像又是视觉的基础，因此，数字图像成为心理学、生理学、计算机科学等诸多领域内的学者们研究视觉感知的有效工具。其次，图像处理在军事、遥感、气象等大型应用中有不断增长的需求。图像分割就是把图像分成若干个特定的、具有独特性质的区域并提出感兴趣目标的技术和过程。它是由图像处理到图像分析的关键步骤。现有的图像分割方法主要分以下几类：基于阈值的分割方法、基于区域的分割方法、基于边缘的分割方法以及基于特定理论的分割方法等。尽管人们在图像分割方面做了许多研究工作。但由于尚无通用分割理论，因此现已提出的分割算法大都是针对具体问题的，并没有一种适合于所有图像的通用的分割方法。SVM(Support Vector Machine，支持向量机)是Cortes和Vapnik首先提出的。SVM通过某种事先选择的非线性映射将输入向量映射到一个高维特征空间中，并在此高维特征空间中构造最大边缘间隔的分类超平面，它在解决小样本、非线性及高维模式识别中表现出特有的优势。

发明内容

为解决上述问题，本发明提供了从图像中自动分割目标对象的方法，能够提高目标对象分割准确性。

本发明公开了一种从图像中自动分割目标对象的方法，包括：

步骤1，提取含有目标对象的图像，以提取的图像作为后续处理的对象，并对提取出的图像进行归一化；

步骤2，根据各个图像中标记的目标对象像素点计算位置先验概率，组成位置先验模型，所述位置先验模型包含各个像素位于目标对象区域中的位置先验概率，并对于训练集中已标记目标对象点的图像提取特征，进行通用的目标对象和非目标对象SVM分类器的学习；

步骤3，依据所述位置先验模型和SVM分类器从待分割的图像的图像中选择目标对象种子和背景种子；

步骤4，从所述目标对象种子区域和背景种子区域中提取特征，并进行SVM分类器的在线学习；

步骤5，依据所述对应于待分割的图像的目标对象和非目标对象SVM分类器和所述位置先验模型对所述待分割的图像进行目标对象分割。

所述步骤1中归一化包括对图像进行旋转、平移、缩放操作。

所述步骤2包括：

步骤31，统计训练集中的图片的数量；

步骤32，对于每个像素，根据图像中标记的目标对象像素点统计所述像素位于目标对象区域中的次数，将所述像素位于目标对象区域中的次数除以所述图片的数量，所得商为所述像素的位于目标对象区域中的概率；

步骤33，各个像素的位于目标对象区域中的概率组成位置先验模型。

所述步骤2还包括：

步骤41，针对训练集中的图片，根据图像检测的结果，在图像中分割出目标对象的边缘；

步骤42，沿着该边缘向外扩展多个像素的距离，得到一个环状区域；

步骤43，从图像的特征点位置，向外均匀画多条射线；

步骤44,，针对所述射线和所述环状区域的交集中的每个像素点，根据标记的目标对象像素点统计作为目标对象像素出现的频次，求出每个像素点的作为目标对象像素出现的概率，作为所述位置先验模型。

所述步骤3包括：

步骤51，对待分割图像的图像进行区域划分；

步骤52，以区域内各个像素的位置先验概率的平均值为所述区域的位置先验概率；

步骤53，SVM分类器根据区域的特征的平均值判断所述区域是否为目标对象区域；

步骤54，根据判断结果和区域的位置先验概率从区域中选择作为目标对象种子的区域和作为背景种子的区域。

所述步骤54包括：

步骤61，通过贝叶斯方法将所述SVM分类器的判断和目标对象位置先验概率结合，得到所述区域的贝叶斯后验概率；

步骤62，依据所述区域的贝叶斯后验概率从区域中选择作为目标对象种子的区域和作为背景种子的区域。

所述步骤5包括：

步骤71，通过贝叶斯方法将对应于SVM分类器输出概率和位置先验模型中目标对象发生的位置先验概率融合，生成待分割图像的贝叶斯概率；