[发明专利]一种基于半监督学习相结合的图像分割方法

摘要

本发明公开了一种基于半监督学习相结合的图像分割方法，包括如下步骤：获取待分割图像的梯度图像，并对待分割图像依次进行压缩、锐化、二值化处理和距离变换处理，获取待分割图像的距离地形图；提取所得距离变换图中每个连通区域的灰度值最大的一点或点集，作为前景标记；对所得的距离地形图进行分水岭变换，将得到的分水岭脊线作为背景标记；屏蔽所述梯度图像中的局部极小值，根据获取的前景标记和背景标记标记所述梯度图像的局部极小值，得到修正后的梯度图像；然后通过半监督学习方法进行多角度数据的获取、预测矩阵的建立、训练模型的构建以及图像的分割。本发明能提高图像分割的精度。

主权项

1.一种基于半监督学习相结合的图像分割方法，其特征在于，包括如下步骤：S1、提取待分割图像的噪声程度，并依据所得噪声程度调整该待分割图像的位元率和分辨率，并以所得的位元率及分辨率压缩该待分割图像；S2、根据步骤S1所得图像的像素点边缘强度生成灰度图，并基于所述灰度图对所得图像的锐化处理，并获取所得的图像的梯度图像；S3、对锐化所得的图像依次进行二值化处理和距离变换，获取待分割图像的距离变换图，并完成距离变换图的转换，获取待分割图像的距离地形图；S4、提取所得距离变换图中每个连通区域的灰度值最大的一点或点集，作为前景标记；对所得的距离地形图进行分水岭变换，将得到的分水岭脊线作为背景标记；S5、屏蔽所述梯度图像中的局部极小值，根据所得前景标记和背景标记标记所述梯度图像的局部极小值，得到修正后的梯度图像；S6、将修正后的梯度图像分割成一定数量的区域块，将分割后每一个图像区域视为一个节点，建立每个区域块的三图像到三维图的映射，并统计顶点之间的邻接关系、计算连接两个顶点的边的权重；S7、将所有节点分为标注节点和未标注节点，其中标注节点占少数；S8、获取包括标注节点和未标注节点的由多视角特征表示的不同视角样本数据；S9、将所得的不同视角样本数据进行相似性学习，构造相似近邻图，计算得到权重系数矩阵,并对所述权重系数矩阵进行对称化、归一化处理；S10、根据所述前景标记，初始化一个类标签矩阵；S11、基于所述类标签矩阵及对称化、归一化处理后的权重系数矩阵进行非负稀疏标签传播的迭代过程，得到预测矩阵；S12、根据所得预测矩阵表征的相似性概率，预测未标注节点图像不同视角样本数据的准确类别，得到直推式图像分类结果，训练完成半监督分类建模，生成训练模型；S13、利用所得训练模型对测试集中的未标注节点待分类的图像样本进行类别信息的预测，得到测试集中的未标注节点待分类的图像样本的类别标签，以实现对图像数据的分割过程。