[发明专利]一种基于超图的图像共分割方法

权利要求书

1.一种基于超图的图像共分割方法，其特征在于，包括如下步骤：

步骤一、图像读取；

读入两幅具有相似或相同前景的图像；

步骤二、图像共分割；

采用Mean-shift算法对输入图像进行过分割处理，记录分割后图像中每个像素所属分块的标号；

步骤三、分块相似性判断；

对图像分块，采用直方图统计方法统计其颜色直方图H；对图像1中的分块i和图像2中的分块j计算直方图Chi距离：

d(H1i,H2j)=Σk(H1i,k-H2j,k)2(H1i,k+H2j,k)2]]>

其中H_li,k表示图像l中分块i的颜色直方图的第k分量；将直方图Chi距离小于阈值的分块定义为相似分块；

步骤四、分块相似性计算；

对于同一幅图像中的分块，定义分块间含有4相邻的像素的两个分块为邻接分块；计算同一幅图像中的相邻分块间，以及不同图像中相似分块间的相似度w_ij：

wij=11+α||Ci-Cj||2,i≠j0,i=j]]>

其中，w_ij表示分块i，j之间的相似度，C_i表示分块i的颜色特征向量，α为加权参量，α>1；给跨图像分块间的相似度乘以加权因子λ，λ>1；

步骤五、超图分割；

针对步骤四所得的超图，计算节点和超边的度矩阵：

d(vj)=Σei∈Eω(ei)h(vj,ei)]]>

δ(ei)=Σvj∈Vh(vj,ei)]]>

其中v_j表示超图节点j，e_i表示超边i，h(v_j,e_i)表示节点与边的对应关系，ω(e_i)表示超边e_i的权值，δ(e_i)表示超边e_i的度，d(v_j)表示节点v_j的度；

根据超图分割算法，计算超图的拉普拉斯矩阵

Δ=I-Dv-1/2HWDe-1HTDv-1/2]]>

其中△表示超图的拉普拉斯矩阵，I表示单位对角阵，D_v表示超图节点度的对角阵，H表示超图节点与边对应关系矩阵，W表示超边权值矩阵，D_e表示超图超边度的矩阵；

计算超图拉普拉斯矩阵的特征值以及特征向量，其中最小非零特征值对应的特征向量的每一维对应每一个分块标号，若大于0，则该标号的分块属于前景，小于0，则属于背景。