[发明专利]一种基于广义数据场和Ncut算法的图像分割方法

权利要求书

1.一种基于广义数据场和Ncut算法的图像分割方法，其特征在于：包括以下步骤，

步骤1、层次网格的划分以及势值估计，具体包括以下步骤，

步骤1.1、将图像的RGB颜色特征空间转换为L*u*v*或L*a*b*颜色特征空间，将L*u*v*或L*a*b*颜色特征空间Ω划分为2N×2N×2N个小网格作为第一层网格，计算每个小网格内数据点的均值，并以此作为该小网格的特征值，形成一个新的特征空间Ω_s；

步骤1.2将八邻域小网格合并成为一个大网格作为第二层网格，形成一个新的特征空间Ω_b及其相应的网格空间坐标值；

步骤1.3根据势值估计公式计算第一层网格内每个小网格的势值

在特征空间Ω_b中，表示坐标为(i_th，j_th，k_th)的网格，是(i_th，j_th，k_th)网格的质量，fiujuku=(fiujuku(1),fiujuku(2),fiujuku(3)),]]>wiujuku=Qiujuku×e-(x-xiujukuσX)2+(y-yiujukuσY)2,]]>是位于网格(i_th，j_th，k_th)内数据点的数量，是对应于网格(i_th，j_th，k_th)的空间坐标值，σ_X和σ_Y是空间影响因子，σ＝ch＝c(h₁，h₂，h₃)^T，σ_j=ch_j，j=1、2、3，c是比例常数，h＝(h₁，h₂，h₃)^T是核密度估计的窗宽，K(x)为单位势函数；

步骤2、根据小网格的势值分布，对小网格聚类，将聚类结果映射到图像，图像划分为不同的彼此不相交的区域，具体步骤为：

步骤2.1.对步骤1.3中的公式求偏导，得到公式：

利用其计算第一层网格中每个小网格的偏导，并以此来确定所有的顶点网格，通过六邻域模式组合顶点网格来描绘聚类{C_k}_{k＝1，…，v}，其中C_k至少包含一个顶点网格；

步骤2.2对于每一个k＝1，2，…，v，聚类C_k中的顶点网格作为初始数据点，沿着梯度值上升的方向搜索网格，直到梯度值不再上升即为止，将沿路搜索到的小网格划分到聚类C_k中；

步骤2.3搜索完毕后，对于每一个聚类C_k，k＝1，2，…，v，将每一聚类内所有的数据点映射到图像上，并合并在空间上数据点个数少于M（20≤M≤100）个点的图像碎块，一幅图像被划分为R块不重合的初始区域Ω_i，i＝1，2，…，R；

步骤3、运用基于区域的Ncut算法合并过分分割的区域；其中所用到的计算权重矩阵W的公式为：

w(i,j)=]]>

1niΣf∈Ωie-[||f-Fj||σI]2+1njΣf∈Ωje-[||f-Fi||σI]20.]]>

2.根据权利要求1所述的一种基于广义数据场和Ncut算法的图像分割方法，其特征在于：所述步骤3具体包括以下步骤，

步骤3.1基于步骤2.3中得到的不重和的初始区域构建一个无向加权图G＝(V，E，W)，V是图像的顶点，E是连接顶点的边的集合，W是权重矩阵，根据公式w(i,j)=]]>

1niΣf∈Ωie-[||f-Fj||σI]2+1njΣf∈Ωje-[||f-Fi||σI]20]]>

计算权重矩阵W；

步骤3.2通过权重矩阵W计算对角矩阵D，

其中D(i，i)＝∑_jw(i，j)；

步骤3.3解方程(D-W)y＝λDy，得到特征值和相应的特征向量，确定第二小的特征向量；

步骤3.4根据公式找出分割点，即Ncut值最小时的点，用第二小的特征向量二分图的顶点，将图像分割为两个子图；

步骤3.5对于二分割得到的子图，分别计算权重矩阵，并重复步骤3.2至3.4；

步骤3.6重复步骤3.5，直到Ncut值超出给定的阀值。