[发明专利]多前景目标图像交互式分割方法

说明书

技术领域

本发明涉及计算机视觉、图像处理及模式识别等技术领域，具体涉及一种多前景目标图像交互式分割方法。

背景技术

图像分割是将图像按其特征划分成一些互不重叠的区域，从而将图像中用户感兴趣的部分分离出来。图像分割是图像处理、计算机视觉领域的一项关键的技术，是目标检测、目标跟踪、目标分析等多种应用的基础。

图像分割技术有很多种，其中大部分技术都以自底向上的方式进行，它们通过检测边界或者依据色彩、纹理等特征对像素聚类，从而达到分割的目的。谱聚类方法由于能在任意形状样本空间上聚类并能得到近似的全局最优解，是目前应用最广的一类像素聚类算法。谱聚类建立在谱图理论基础上，其原理是将图像中每个像素当作图的顶点，再计算像素点间的相似度，并将其作为图的顶点间边的权重，从而将图像分割问题转化为图的划分问题。但是由于图像底层特征和物体模型之间的巨大语义鸿沟，利用这些技术很难得到用户希望的分割结果。

交互式图像分割通过利用事先标注在图像中的一些前景点和背景点，可以有效地减小分割的不确定性，故被广泛应用于图像编辑领域。早期的交互式图像分割算法主要基于轮廓标注，要求大致勾画出目标的边界，再进行进一步的处理，非常耗时。近些年出现的基于区域标注的交互式分割方法，只需要在待分割图像中标注出部分像素点的类别。目前最流行的交互式图像分割算法GrabCut就属于这一类方法，它通过标注一个包含前景的矩形框来区分前景和背景：矩形框以外的像素为背景，而矩形框以内的像素有较大的概率为前景。GrabCut方法的主要缺点是：只能分割拥有单一前景目标的图像，要求前景和背景像素的颜色分布满足混合高斯模型，并要求二者的颜色分布有较大差异，其对前、背景对比度不强的边界区域分割效果较差。另一种流行的方法是线性约束谱聚类方法，该方法将标注信息编码为齐次线性等式约束加入到经典的谱聚类图像分割框架中，从而得到交互式图像分割结果。该方法不依赖于前、背景颜色分布的混合高斯建模，因此几乎能应用于所有场景的图像，但其缺点是：计算较为费时，无法实时应用；不能将像素的空间平滑信息编码成相应的约束；对于标注信息利用效率低，需要大量标注像素点才能得到较为准确的分割结果。

发明内容

（一）要解决的技术问题

本发明的目的在于提供一种只需要标注极少量的像素点，就能分割任意颜色分布的拥有多个前景目标图像的交互式分割方法。

（二）技术方案

本发明技术方案如下：

一种多前景目标图像交互式分割方法，包括步骤：

S1.构建图像像素相似度矩阵；

S2.获取图像像素标签信息；

S3.结合所述图像像素相似度矩阵以及图像像素标签信息，构建谱聚类分割模型并求解得到初步分割结果；

S4.构建空间平滑约束；

S5.结合所述初步分割结果以及空间平滑约束，构建马尔科夫随机场模型并求解得到最终分割结果。

优选的，所述步骤S1包括步骤：

S101.分别计算待分割图像中任意两个像素点的相似度，记第i个像素点和第j个像素点的相似度为W_ij，其构成的图像像素相似度矩阵记为W；

S102.求取所述图像像素相似度矩阵W的拉普拉斯矩阵，记为L_sym；

S103.求取所述L_sym的各个特征值λ_i和其对应的特征向量u_i，其中0=λ₁≤λ₂≤…≤λ_N。

优选的，所述步骤S102具体为：

计算D=diag(d₁,d₂,......,d_N)，L=D-W；

图像像素相似度矩阵W的拉普拉斯矩阵

优选的，所述步骤S1为离线分析。

优选的，所述步骤S2包括步骤：

S201.在待分割图像上标注出c类像素点作为标注点，其中每一类像素点属于同一个前景或背景，c为待分割图像中前景及背景的个数；

S202.将所述标注点的序号信息及类别信息存入二维数组，作为图像像素标签信息。

优选的，所述步骤S3包括步骤：

S301.根据所述二维数组，构建约束

其中C^p表示所有标注点的集合，表示标注出的第j类像素点的集合,是在C^p中的补集；