[发明专利]一种图像重复元素分割方法、智能设备及存储介质

说明书

本发明公开了一种图像重复元素分割方法、智能设备及存储介质，所述方法包括：读入图像，在相邻像素之间形成具有相似纹理，颜色以及亮度的像素块；图像形成超像素后，生成前景区域，在聚类的过程中，根据涵盖了超像素的颜色距离，空间距离以及超像素到用户输入的路径中心的距离来进行超像素合并，形成连通区域；将聚类结果自上而下扩散到每个超像素上，为每个聚类结果分配不同的权重信息，得到每个超像素的匹配误差即前景概率；将前景超像素颜色信息作为数据输入，以超像素之间的颜色相似度作为相似矩阵，通过不断迭代的方式筛选出所有样本中能够成为代表样本的数据，通过简单的交互快速分割出图像中的重复元素。

技术领域

本发明涉及图像分割处理技术领域，尤其涉及一种图像重复元素分割方法、智能设备及存储介质。

背景技术

图像分割是图像理解和计算机视觉领域的重要内容，应用的范围遍及医学、航空航天、图形学、机器人等领域，在理论研究和现实应用中得到了人们的高度重视。图像分割是图像从处理到分析的重要环节，分割结果的优劣直接影响着更进一步的信息处理。因此图像分割在整个图像处理当中，承担着基石的作用，对下一步的特征提取等有着重要的影响。而重复元素又是在本发明生活中扮演者不可或缺的角色，从图像中自动分离出重复元素具有实际的意义，能够减轻重复的搜索工作，把所有同类的重复元素当成一个整体来看待处理，直接把重复元素分离出来。

对图像分割算法的研究已经有几十年的历史，目前已经提出上千种类型的分割算法，由于图像的复杂性，许多分割工作无法依靠计算机自动完成，手工分割工作量过大，标准难统一，由此出现了一些基于交互式的图像分割方法，用来快速定位目标区域，减少计算量。常见的图像分割技术指的是对图像中某一个感兴趣目标对象进行分割提取，同时对多个感兴趣目标进行提取则需要更多的先验知识。

与本发明相关的现有技术一是交互式图像分割，Boykov等人提出的Graph cuts是基于组合最优的交互式图像分割算法，这是基于图论的高效图像分割方法，这类算法需要用户指定部分像素为目标和背景，构造加权图，用图中的点表示原图像的像素点，用图像间的相邻关系作为边，转化为求最小割问题。Lazy Snapping懒人系统则对图割算法进行了改进，它同时具有基于区域和边缘分割算法的优点，高效准确，需要用户提供前景和背景像素信息。Cheng提出的Grabcut算法，优化了经典图割算法，交互手段从笔刷改成了矩形框，将矩形框外定义为背景，只对矩形框内的像素进行分割，一定程度上弥补了图割算法的耗时弊端。Jifeng提出了一种基于区域合并的交互式图像分割方法。用户只需要使用笔画(称为标记)粗略地指示对象和背景的位置和区域。基于最大相似性的区域融合机制，利用标记来指导融合过程。

现有技术一的缺点是：现有的基于交互的图像分割技术往往过于依赖用户的输入信息，需要用户指定部分前景和背景种子，运用在多个物体分割情况下，不可避免的必须由用户逐个输入前景和背景，过于繁琐。

与本发明相关的现有技术二是重复元素检测，重复元素具有极为相似的纹理、颜色、亮度以及几何特征。Cheng等人充分利用了重复元素的几何特征关系，用模板全局匹配图像中的重复元素。而Huang等人通过考虑重复元素之间的外观相似性，基于马尔可夫随机场模型来设计新的优化模型，增加了新的平滑项用于解决同时分割位于图像不同位置的重复元素。Leung等人首先检测图像中的感兴趣元素，将这些元素与它们的周围像素进行匹配，估计它们之间的仿射变换，从而将相似的图像子块扩张成更大的连通域以完成快速聚类。

2006年引入了共同分割的概念，即同时分割不同图像中的公共部分。这个分割模型中的推断导致利用编码空间相干性的MRF项和尝试匹配公共部分的外观直方图的全局约束来最小化能量，达到分割的结果。Hochbaum提出的模型以直接方式绕过直方图差异的测量，这是与最初协同分割有所区别的地方。Armand等人提出了一种用于图像协同分割的判别聚类框架，其能够使用来自相同对象类的若干图像中共有的信息来改进所有图像的分割。判别聚类很好地适应了协同分割问题，可以重用现有的特征进行监督分类或检测。