[发明专利]一种局部相关的超像素融合方法

权利要求书

1.一种局部相关的超像素融合方法，所述方法包括如下步骤：

步骤一：对原始图像进行减采样，对减采样后的图像进行平滑处理，采用k-均值算法获取初始的聚类中心；

步骤二：计算减采样后的非平滑图像中每个像素到所有聚类中心的距离值；

步骤三：将像素x_i的局部相关性融入到步骤二获得的距离值中：

x_i表示第i个像素的视觉特征向量，μ_k表示第k个聚类中心的视觉特征向量，W_i为以像素x_i为中心的固定大小的邻域矩形窗口，x_j是x_i邻域窗口内的像素，N_w为邻域窗口内像素个数；

步骤四：对融入局部相关性的距离值dist_s(x_i，μ_k),再利用超像素的划分保持物体边缘的判别能力，获得距离：

S_i为第i个超像素，x_i为S_i内像素，为超像素S_i内的像素个数；

步骤五：根据每个像素对聚类中心的距离确定像素新的聚类类别,获取新的聚类类别均值；

步骤六：判断相邻两次聚类类别均值的差值是否小于设定的迭代阈值，若是，转入步骤七，若否，计算每个像素到当前聚类中心的距离，转入步骤三；

步骤七：根据原始分辨率下的超像素的标记，实现超像素的融合；

其特征在于，所述步骤六中，判断相邻两次聚类类别均值的差值是否小于设定的迭代阈值，若是，转入步骤七，若否，执行以下步骤：

步骤1：对每个聚类类别对应的区域生成一个语义特征空间；

步骤2：获得语义特征空间的相关性，判断相关性是否大于等于设定的特征空间融合阈值，若是，则将对应的两个聚类类别合并，转入步骤3，若否，则直接转入步骤3；

步骤3：在不同的语义特征空间内计算每个像素到当前聚类中心的距离，转入步骤三。

2.根据权利要求1所述的一种局部相关的超像素融合方法，其特征在于，所述步骤2中，获得语义特征空间的相关性：

其中和分别表示第s个语义特征空间和第t个语义特征空间的第n维坐标，l＝min(p_s,p_t)，p_s和p_t分别为第s个语义特征空间和第t个语义特征空间的维数，s＝1,2…,K，t＝1,2…,K，s≠t，K表示融合后图像区域的个数。

3.根据权利要求2所述的一种局部相关的超像素融合方法，其特征在于，所述步骤3中，在不同的语义特征空间内计算每个像素到当前聚类中心的距离为：

其中，x_i表示第i个像素的视觉特征向量，μ_k表示第k个聚类中心的视觉特征向量；为第k个语义特征空间对应的坐标系，表示第k个语义特征空间的第n维坐标对应的特征值，其中，上标k＝1,2…,K，下标n＝1,…,p_k，p_k表示第k个语义特征空间的维数；为加在第n维坐标上的权值。