[发明专利]一种交互式图像分割方法

说明书

技术领域

本发明涉及一种交互式图像分割方法，属于计算机应用技术中的数字图像处理技术领域。

背景技术

随着互联网技术和数字图像处理技术的发展，在互联网上积累了海量的数字图像，并且其数量还在高速增长。如何有效的对这些图像进行处理，并从中提取出有价值的信息已逐渐成为一个重要的问题。在各种数字图像处理技术中，图像分割问题是一个基本且重要的问题。传统的图像分割方法通常是一个全自动的过程。然而由于处理器理解能力的限制，对于普通的自然图像，很难从图像中提取出具有高层语义的物体。为此，自20世纪70年代起，人们提出了“半自动”的交互式图像分割，通过在分割过程中加入用户交互作为算法输入，使图像中具有高层语义的物体能够完整地被提取出来。

已存在的交互式图像分割方法，根据原理的不同，将现存的方法分为三类：1)基于图割理论的交互式图像分割方法；2)基于模板变形和曲线演化的交互式图像分割方法；3)其他方法。基于图割理论的交互式图像分割方法将待分割图像转换为一个图结构，通过将待求解问题转换为最小化能量求解的问题来实现图像分割。常见的方法有图切分的方法、lazy snapping、Grab Cut以及Random Walks等。基于模板变形和曲线演化的交互式图像分割方法，初始的时候要求用户对目标物体的轮廓进行大致的标注，然后分割算法通过利用用户标定的信息和曲线本身的一些特性，对初始标定曲线进行模板变形，使其逐渐演化到真实的目标物体边缘上，从而实现图像分割。常见的方法有主动轮廓的方法和水平集的方法等。此外，还有一些基于其他原理的方法，比如基于区域融合的方法、基于贝叶斯信念网的方法等等。

在各种交互式图像分割方法中，用户交互的信息量和分割结果总是相辅相成的。如果用户的交互信息量是充分的，各种方法均能获得较准确的分割结果；反之，分割结果通常是不尽如人意的。但是往往较多的交互操作会给使用者带来不便和使用负担，所以，一种有效的交互式图像分割方法应该是在满足交互方式简单、方便的基础之上，能够得到具有较高准确率的分割结果。

发明内容

本发明的目的在于提出一种交互式图像分割方法，用于解决数字图像处理领域中的图像分割问题。

本发明的目的是通过下述技术方案实现的，具体实现步骤如下：

步骤1、用户通过交互圈定图像中的目标物体；

步骤2、利用用户提供的交互信息选择初始训练数据；

步骤3、利用步骤2中得到的训练数据学习得到对圈定框内像素点进行分类的分类器，即通过学习分别得到描述图像背景和目标物体特征的统计模型；

步骤4、利用步骤3中得到的分类器，构建圈定框内像素点对应的权值图，并在结构图中增加虚拟的前景源点和背景汇点；

步骤5、利用步骤4中得到的结构图，使用最短路径的优化方法分别计算得到图像中各像素节点到每个虚拟节点的最短路径；

步骤6、利用步骤5中得到的结果，以最小代价值(最短路径上所有边的权值的累加和)为分类准则，将圈定框内各像素点标记为前景或者背景，获得分割结果；

步骤7、若当前迭代次数未达到预设的最大迭代次数或者本次分割结果未达到稳定，则将本次分割结果作为新的训练数据，重复上述步骤3至步骤6。

所述步骤3中后验概率与类条件概率密度有关，将所述类条件概率密度的形式设置为高斯混合模型或有限混合模型或高斯模型。

所述步骤3中分类器是基于下列特征中的一个或多个图像特征的分类器，包括颜色特征、纹理特征、形状特征和局部特征。

所述步骤5中最短路径的优化方法除了实例中用到的迪杰斯特拉算法，还包括基于迪杰斯特拉算法改进的其他方法以及其他求最短路径的算法。

有益效果

本发明的方法对比已有技术在解决交互式图像分割问题的时候，不仅充分考虑了图像全局的语义信息，而且还考虑了图像的局部结构信息，通过综合利用图像的局部和全局特征来实现高性能的图像分割。

附图说明

图1是根据本发明的一个实施方案中采用的交互方式图示；

图2是根据本发明的一个实施方案的流程图；

图3是根据本发明的一个实施方案中采用的权值图的结构图示；

图4是根据本发明的一个实施方案中的实验结果，在Microsoft Grab Cut测试数据集上，实施方案中的分割方法与经典的Grab Cut方法的分割结果比较；