[发明专利]一种局部相关的超像素融合方法有效
| 申请号: | 201710221056.3 | 申请日: | 2017-04-06 |
| 公开(公告)号: | CN106991676B | 公开(公告)日: | 2019-09-24 |
| 发明(设计)人: | 于林森;苏洁;李鹏 | 申请(专利权)人: | 哈尔滨理工大学 |
| 主分类号: | G06T7/11 | 分类号: | G06T7/11;G06T7/187 |
| 代理公司: | 哈尔滨市松花江专利商标事务所 23109 | 代理人: | 岳昕 |
| 地址: | 150080 黑龙*** | 国省代码: | 黑龙江;23 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | 本发明提供一种减少迭代运算量、加快融合速度的局部相关的超像素融合方法,属于图像处理中的图像分割领域。本发明以像素为基本的融合单位,增强像素之间的局部相关性,通过像素间的交互进而实现超像素的融合。在像素的融合过程中,将超像素的划分作为先验指导信息,确保超像素内的像素具有相同的类别属性,在增加邻近像素之间相关性的同时,保持物体区域之间的边缘判别能力。通过超像素的融合,对每个融合区域获得语义特征空间,根据相关性进行相应融合;在对单像素的分类过程中,将其转换到不同的语义空间中,按照视觉侧重点的不同计算像素到聚类中心的距离,提高像素类别归属的可靠性。最后根据原始分辨率下的超像素的标记,实现超像素的融合。 | ||
| 搜索关键词: | 一种 局部 相关 像素 融合 方法 | ||
【主权项】:
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xi的局部相关性融入到步骤二获得的距离值中:
xi表示第i个像素的视觉特征向量,μk表示第k个聚类中心的视觉特征向量,Wi为以像素xi为中心的固定大小的邻域矩形窗口,xj是xi邻域窗口内的像素,Nw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dists(xi,μk),再利用超像素的划分保持物体边缘的判别能力,获得距离:
Si为第i个超像素,xi为Si内像素,
为超像素Si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。
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于哈尔滨理工大学,未经哈尔滨理工大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/patent/201710221056.3/,转载请声明来源钻瓜专利网。





