[发明专利]图像分割方法、装置、计算机设备及计算机存储介质

说明书

本申请公开了一种图像分割方法、装置、计算机设备及计算机存储介质，涉及图像处理技术领域，该图像分割方法考虑到全局依赖性，提高图像分割精度。所述方法包括：获取待分割图像，并根据所述待分割图像的像素数据构建相似矩阵，所述相似矩阵用于表示所述待分割图像中各个像素数据之间的相似度；基于谱聚类算法对所述相似矩阵对应的特征向量矩阵进行聚类，得到多维的分割向量；根据所述多维的分割向量确定预设图像划分准则，按照所述预设图像划分准则将所述待分割图像分割为多个类别的子图像。

技术领域

本发明涉及图像处理技术领域，尤其是涉及到图像分割方法、装置、计算机设备及计算机存储介质。

背景技术

图像分割是一种基本的视觉分析技术，并且在机器学习、人工智能、医学影像处理等方面具有重要作用。它能够将图像分割为各具特性的区域并提取出待识别的目标，进而对图像中的待识别目标进行标记、定位等，然后将待识别的目标从背景中分离出来。

图像分割技术在实际中已得到广泛的应用，如在医学应用中，将脑部图像分割成灰质、白质、脑脊髓等脑组织区域；在交通图像分析中，将车辆目标从背景中分割出来等。经典的图像分割算法有很多，如基于点的图像分割、基于边缘和线的图像分割等，随着各科理论和方法的提出，新的图像分割算法也在不断涌现，如基于神经网络的图像分割算法等。然而，现有的图像分割算算法由于图像采集装置镜头物理特性的原因，使得在获取图像或者影像的过程中，普遍存在图像边缘有变形或者噪声的情况，导致图像分割精度不高。

发明内容

本发明实施例提供了图像分割方法、装置、计算机设备及计算机存储介质，解决了相关技术中图像分割精度不高的问题。

根据本发明实施例的第一方面，提供一种图像分割方法，所述方法包括：

获取待分割图像，并根据所述待分割图像的像素数据构建相似矩阵，所述相似矩阵用于表示所述待分割图像中各个像素数据之间的相似度；

基于谱聚类算法对所述相似矩阵对应的特征向量矩阵进行聚类，得到多维的分割向量；

根据所述多维的分割向量确定预设图像划分准则，按照所述预设图像划分准则将所述待分割图像分割为多个类别的子图像。

进一步地，所述像素数据由像素点构成，所述根据所述待分割图像的像素数据构建相似矩阵包括：

以所述待分割图像的像素点为节点构造图模型；

根据所述图模型中各个像素点之间边的权重生成所述图模型的相邻矩阵；

根据所述图模型中各个像素点与相邻像素点之间边的权重之和生成所述图模型的对角矩阵；

根据所述相邻矩阵以及所述对角矩阵构建像素数据之间的相似矩阵。

进一步地，所述根据所述图模型中各个像素点之间边的权重生成所述图模型的相邻矩阵包括：

获取所述图模型中任意两个像素点之间的连接关系；

根据所述连接关系确定所述任意两个像素点之间边的权重值；

根据所述任意两个像素点之间边的权重值，生成所述图模型的相邻矩阵。

进一步地，所述根据所述图模型中各个像素点与相邻像素点之间边的权重之和生成所述图模型的对角矩阵包括：

获取所述图模型中任意像素点与相邻像素点之间边的权重值；

根据所述任意像素点与相邻像素点之间边的权重值之和，生成所述图模型的对角矩阵。

进一步地，所述基于谱聚类算法对所述相似矩阵对应的特征向量矩阵进行聚类，得到多维的分割向量包括：

计算所述相似矩阵的特征值以及特征值对应的特征向量；