[发明专利]一种基于采样的图像集分割方法

说明书

技术领域

本发明涉及对一个包含任意图像的数据集所有图像前景分割的方法，尤其指基于对图像集中某些图像进行简单的人工交互基础上分割所有图像前景的算法。

背景技术

目前，交互式的图像分割算法极大的简化了图像前景分割的任务。但是，以往的交互式图像分割算法都是对单张图像直接进行分割的。所以如果图像集包含的图像非常多，那么直接应用以前单张图像分割的方法对一个图像集分割是一件很费力的事情。联合分割算法(co-segmentation)可以对某些图像集所有前景同时进行分割，但是这一类算法对图像集有一个很强的假设：图像集的前景应该是一样的，或者至少有非常相似的颜色分布。而这一假设在大部分图像集中是不被严格遵循的。

发明内容

发明目的：本发明所要解决的技术问题是针对现有技术的不足，提供一种基于采样的图像集分割方法，该方法在保证图像集每个图像最终分割结果质量的前提下，最大可能的减少用户交互，从而方便用户对整个图像集进行前景分割。

为了解决上述技术问题，本发明公开了一种对任意图像集分割的算法，包括图像分割和迭代修正两部分。

其中，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，对得到的特征向量聚类，选取K个的聚类中心点对应采样图像{I_Ek|k＝1，...，K}提供给用户，K的取值为任意自然数；这些采样图像提供给用户，用户直接采用单张图像交互分割方法(如，用Photoshop分割)分割出前景和背景。

步骤2，提取采样图像I_Ek(samples)的前景和背景的颜色分布：根据上一步用户分割的前景和背景区域，使用经典的高斯混合模型(GMMs)的算法来计算前景和背景在RGB颜色空间中的颜色概率分布状况。高斯混合模型就是分别对所有的前景和背景像素点分别进行聚类，并认为每个类别近似服从于高斯分布，所以对每个类别计算出对应的颜色类中心和方差。另外，还要根据每个类别的像素点个数占前景或背景总像素点个数的比例计算出每个类别的权值。

步骤3，采样图像对于目标图像的相似匹配：对于一幅未分割的目标图像，本发明用基于一种经典的基于区域的图像检索算法(integrated region matching)寻找多个图像内容与目标图像相似的采样图像，并可以计算出对应的相似度。所述目标图像为图像集中除采样图像以外的任意图像；本发明以下公式来计算相似度：

S(IEk,I)=λg·Sg(IEk,I)+λl·Sl(IEkF,I)]]>

其中，S(I_Ek，I)是目标图像I与采样图像I_Ek的相似度。S_g(I_Ek，I)是这两张图像全局的基于颜色直方图的图像相似度。是这两张图像基于区域分割的图像相似度。λ_g和λ_l为控制权值。本发明对计算出的所有相似度进行归一化以后，相似度大于0.7的就判定两张图像相似。