[发明专利]一种基于采样的图像集分割方法

权利要求书

1.一种基于采样的图像集分割方法，其特征在于，包括图像分割部分；

所述图像分割部分包括以下步骤：

步骤1，图像选取：提取图像集所有图像的颜色直方图的特征向量，进行特征向量聚类，选取K个的聚类中心点对应采样图像I_Ek，k＝1，...，K，采用单张图像分割方法分割出采样图像的前景和背景；

步骤2，提取采样图像I_Ek的前景和背景的颜色分布：使用高斯混合模型计算采样图像I_Ek的前景和背景在RGB颜色空间中的颜色概率分布；

步骤3，采样图像对于目标图像的相似匹配：对于目标图像，使用基于区域的图像检索算法找出图像内容与目标图像相似的采样图像，并计算对应的相似度，所述目标图像为图像集中除采样图像以外的任意图像；

步骤4，基于单张采样图像的目标图像的前景概率计算：在目标图像上计算出采样图像的前景和背景的颜色分布在目标图像上出现的概率；计算方法为：计算目标图像的每一像素点在采样图像的高斯混合模型中每一个聚类的类别得到高斯模型中出现的概率，然后把所有的类别计算出的概率根据每个类别的权值加权相加；所得的概率经过归一化后，即为基于该采样图像的目标图像的前景概率；所述归一化的过程为采样图像的前景在目标图像出现的概率除以采样图像的前景和背景在目标图像出现的概率之和；

步骤5，计算目标图像的前景概率：对于步骤3中与采样图像相似的目标图像，对每一个目标图像使用步骤4计算出对应的前景概率；目标图像最终的前景概率是以步骤3计算出来的采样图像与目标图像的相似度作为权值，加权相加后由步骤4计算出基于相似的采样图像的目标图像的前景概率；

步骤6，构造吉布斯能量最小化并通过图分割求解每个像素对应的前景或背景的结果，对构造好的吉布斯能量最小化式，使用图分割方法分割图像。

2.根据权利要求1所述的一种基于采样的图像集分割方法，其特征在于，包括图像迭代修正部分：

所述图像迭代修正部分包括以下步骤：

步骤7，在所有图像分割后的结果图像中，挑选一幅图像并标记出前景和背景，从而获得修正图像；

步骤8，更新图像：更新所述修正图像以及修正图像的相似图像，包括以下步骤：

步骤81，对每一幅相似图像的前景、背景及其邻域图像中的像素点进行采样，从而获得采样领域，并计算出相应的特征向量；

所述对邻域图像中的像素点进行采样的方法包括：以每一幅相似图像的前景或背景中的每一个像素点为中心，取一个n×n的矩形框即为采样区域，矩形框与已有矩形框至少有四分之一的部分不重叠，从而得到一个采样邻域集合即特征向量；

步骤82，在每一幅相似图像上，根据所述特征向量，计算图像中每一个像素点与每个采样区域的相似度M(v_i)；具体计算方法为：特征向量中每个矩形框与相似图像做卷积，然后取所有卷积图像对应像素位置上的最大值合成一个新的卷积图像，所述新的卷积图像为相似图像中每一个像素点关于修正图像的前景或背景区域的相似度；

步骤83，提取修正图像的前景和背景的像素点的高斯混合模型；

步骤84，根据高斯混合模型计算相似图像上每一点的前景和背景概率

步骤85，以步骤82中的相似度作为权值，把前景和背景概率加到步骤8中相似图像的前景和背景概率上，从而更新得到相似图像的前景和背景概率值p^F(v_i)，公式为：

pF(vi)∝pSF(vi)·M(vi);]]>

其中M(v_i)为步骤82中计算出的相似度，为步骤84计算出概率；

步骤86，根据步骤85中得到的前景和背景概率值p^F(v_i)，对于每一幅更新后的相似图像，用更新后的前景概率除以前景概率和背景概率之和作为归一化后的前景概率；

步骤87，用步骤86中归一化后的的前景概率，构造吉布斯能量最小化并应用图分割方法分割对应的图像。

3.根据权利要求1所述的一种基于采样的图像集分割方法，其特征在于，所述吉布斯能量最小化构造包括两种情况：第一是对每个像素点可能的标签根据其前景概率设定惩罚项；第二是考虑相邻的像素点间标签的一致性设定平滑性的惩罚项；所述标签指像素点属于前景或背景，如果是前景，则标签取1，反之则取0。