[发明专利]一种图像分割方法及系统

说明书

技术领域

本公开涉及一种图像处理，具体地讲，涉及一种图像分割方法及系统。

背景技术

图像分割是计算机视觉中的基础问题之一，具有很大的应用潜力。图像分割就是在图像中提取图像目标，也就是像素的集合，该集合中的像素在颜色、强度、纹理等特征方面满足某些相似性，从而实现定位和识别图像中的边界。在最近几年，图像分割已经取得的一定的研究进展。在所提出的方法中，基于图的半监督方法已引起广泛关注。

然而，基于图的半监督分类方法在应用图像分类时仍有待于进一步完善。该类方法中，相似性矩阵维数高，在计算过程中涉及多次的矩阵乘法和逆运算，计算过程非常耗时。随着问题规模的增加，计算时间复杂度也随之增加。

发明内容

针对上述部分问题，本公开提供了一种图像分割方法及系统。

一种图像分割方法，所述方法包括下述步骤：

S100、对待分割图像提取超像素并获取超像素的区域中心点；

S200、利用已标记样本点对超像素的区域中心点进行标记；

S300、利用超像素的区域中心点的标记，对所有未标记样本点进行标记，以实现图像分割。

进一步地，所述步骤S200包括下述步骤：

S201、以超像素的区域中心点和待分割图像上的已标记样本点共同作为图的顶点，以所述超像素的区域中心点和待分割图像上的已标记样本点之间的相似性为边的权值构造第一无向加权图；

S202、基于第一无向加权图，对每个节点，保留与其相连的M条权值最大的边，删掉其余与其相连的边，获得第二无向加权图；M为设定值；

S203、对第二无向加权图，采用基于图的半监督学习算法，利用已标记的样本点获得超像素的区域中心点的标记。

进一步地，所述步骤S300的一种优选实现方式，即包括下述步骤：

S301、利用已获得的超像素的区域中心点的标记信息，计算每个未标记样本点和超像素区域中心点之间的相似性；

S302、选择一个未标记样本点，统计其与超像素区域中心点相似性最大的前K个超像素区域中心点的标记信息，依据前K个超像素区域中心点的类别信息来判断该未分类样本点的类别信息；

S303、判断所有未标记样本点是否被标记完；若是，则执行步骤S304；否则执行步骤S302；

S304、图像分割完成。

优选地，所述超像素的区域中心点通过简单线性迭代聚类(simple linear iterative clustering，SLIC)算法进行提取。

优选地，所述S203中基于图的半监督学习算法优选标签传播算法。

根据所述方法，实现一种图像分割系统，所述系统包括下述模块：

预处理模块，用于：对待分割图像提取超像素并获取超像素的区域中心点；

第一标记模块，利用已标记样本点对超像素的区域中心点进行标记；

第二标记模块，利用超像素的区域中心点的标记，对所有未标记样本点进行标记，以实现图像分割。

进一步地，所述第一标记模块包括下述单元：

第一无向加权图构造单元，用于：构造第一无向加权图；所述第一无向加权图以超像素的区域中心点和待分割图像上的已标记样本点共同作为图的顶点，以所述超像素的区域中心点和待分割图像上的已标记样本点之间的相似性为边的权值；

第二无向加权图获取单元，用于：对所述第一无向加权图的每个节点保留与其相连的M条权值最大的边，并删掉其余与其相连的边，以获得第二无向加权图；M为设定值；

第一标记单元，用于：对第二无向加权图，采用基于图的半监督学习算法，利用已标记的样本点获得超像素的区域中心点的标记。

进一步地，所述第二标记模块包括下述单元：

节点获取单元，用于：用于获取未标记样本点，输出给计算单元用于计算；

计算单元，用于：利用已获得的超像素的区域中心点的标记信息，计算每个未标记样本点和超像素区域中心点之间的相似性，并统计其与超像素区域中心点相似性最大的前K个超像素区域中心点的标记信息；将每个未标记样本点和与其相对应的前K个超像素区域中心点的标记信息输出给第二标记单元；

第二标记单元，用于：依据每个未标记样本点相对应的前K个超像素区域中心点的类别信息来判断该未分类样本点的类别信息。

优选地，所述超像素的区域中心点通过简单线性迭代聚类(simple linear iterative clustering，SLIC)算法进行提取。