[发明专利]一种基于超像素以及多超图融合的图像分割方法

说明书

本发明公开一种基于超像素以及多超图融合的图像分割方法，包括如下步骤：步骤1，运用目前较为成熟的SLIC模型对待分割进行超像素分割；步骤2，对各超像素块进行多种特征提取；步骤3，将每一个超像素块看成是图的顶点，采用INH模型对多特征中的每一个特征进行基于超像素块的超图构建；步骤4，从随机游走的角度融合多个超图的信息构建多超图拉普拉斯矩阵；步骤5，构建基于多超图拉普拉斯矩阵的谱聚类模型并求解。此种方法可解决图像分割中像素点高阶关系刻画的问题，有效提高了图像分割的精度。

技术领域

本发明属于图像分割领域，特别涉及一种基于超像素以及多超图融合的图像分割方法。

背景技术

计算机视觉自诞生之日起，一直就是计算机科学领域中的研究热点之一。同时，计算机视觉又是一个多领域交汇的学科，它与光信息技术、自动化技术、计算机技术、集成电路技术、生物学、心理学等诸多方向都有关系。从20世纪60年代初开始，各国科学家就开始了对计算机视觉的研究，但开始的很长一段时间内总体进展并不是很大；直到20世纪80年代，计算机视觉研究才出现了转折点，取得了大量的重要研究成果。计算机视觉发展到现在，在算法、视觉系统、模式识别、以及特征检测与描述方面都获得了显著的成绩。

图像分割是计算机视觉中一个非常基础，但是又非常关键的工作，图像分割结果的好坏会直接影响到后续的视觉处理效果，包括跟踪、识别、分析等。计算机视觉发展至今，图像分割仍然是一个没有完善解决方案的基础性问题。图像工程主要由图像处理、图像分析和图像理解三部分组成，而从图像处理到图像分析必须先经过分割。在图像分析中，只有在分割得正确的前提下，所提取出的图像特征对图像结构进行分析等才是有意义的。图像分割也是理解的前提。图像分割几乎涉及了各种图像，比如医学图像、遥感图像、视频交通监控中的图像，因此它的应用面非常广泛，这也是本文研究图像分割的初衷。

目前而言图像分割中必须关注待分割图像中像素点之间的相关关系，在目前的一些图像分割方法中仅仅关注了二阶关系，而在很多场景下像素点之间存在着高阶关系，如何有效的刻画高阶关系是影响图像分割结果的关键因素，需要考虑使用超图这一结构来高效的刻画像素点之间的高阶关系。基于传统的特征提取方法，单一特征很难取得好的效果，需要考虑多个特征相融合的方法以提升分割的精度。基于像素级的高阶关系刻画势必会导致方法的复杂度过高，难以实现，需要考虑采用超像素预分割，将原始图像先分割成若干超像素块，再对超像素块之间的高阶关系进行刻画。基于以上三点，本发明提出了一种基于超像素和多超图融合的图像分割方法。本发明采用超像素分割技术先生成超像素块，有效降低了计算的复杂度。利用多超图融合，在有效刻画了超像素高阶关系的基础之上大大降低了信息的损失。该方法无论在主观视觉上还是在客观评价指标上，都做到了分类精度的显著提升，具有较高的使用价值。

发明内容

本发明的目的，在于提供一种基于超像素以及多超图融合的图像分割方法,其可解决图像分割中像素点高阶关系刻画的问题，有效提高了图像分割的精度。

为了达成上述目的，本发明的解决方案是：

一种基于超像素以及多超图融合的图像分割方法，包括如下步骤：

步骤1，对待分割进行超像素分割；

步骤2，对各超像素块进行多种特征提取；

步骤3，对多特征中的每一个特征进行基于超像素块的超图构建：

步骤4，从随机游走的角度融合多个超图的信息构建多超图拉普拉斯矩阵；

步骤5，构建基于多超图拉普拉斯矩阵的谱聚类模型并求解：基于得到的多超图拉普拉斯矩阵构造谱聚类模型，使用交叉迭代法进行求解。

上述步骤1中，运用SLIC模型对待分割进行超像素分割。

上述步骤2中，提取的特征包含颜色、梯度和纹理。