[发明专利]一种改进的基于图和色彩纹理特征的图像分割方法

说明书

技术领域

本发明属于图像处理和计算机视觉技术领域，更具体地说，涉及一种改进的基于图和色彩纹理特征的图像分割方法。

背景技术

图像分割是计算机视觉和模式识别中极其重要的分析方法。图像分割的目的是将图像划分为若干个不同的、互不重叠的具有独特性质的区域，将人们感兴趣的目标提取出来，对每个像素都加上唯一的类标签。图像分割是图像分析的重要组成部分，目前已经广泛应用在医学影像、人脸识别、指纹识别、交通控制系统和机器视觉等方面。

色彩信息和纹理信息与人眼感知具有很强的关联性，单纯基于纹理或基于色彩的分割方法不能精确的描述图像的内容。因此图像分割技术的研究趋势是色彩信息与纹理信息的融合。经典的分割算法分为基于区域和基于边缘检测两大类。前者的基本思想是根据图像数据的特征将图像空间划分为互不重叠的区域，从而达到分割目的，常用的有阈值分割法、区域标记法、区域生长法和分裂合并法。基于区域的分割方法存在一些不足之处，如易受噪声因素的影响，易产生过分割、区域碎片导致边缘不光滑，除上述缺点外，计算复杂度和实时性也是可以提升和改进的方向。边界是图像最基本的特征之一，是灰度或结构等信息的突变处，包含用于分割的基本信息。基于边缘检测的分割算法的基本思想是检测图像中的边缘点再按一定策略链接成轮廓，从而构成分割区域，常用的算法有正交梯度算子、Roberts梯度算子、方向梯度算子、二阶导数算子等。由于图像数据是二、三维的，而实际物体是N维的，因此这类算法存在较大的缺点是从高维到低维的投影会造成信息的丢失，光照和噪声等因素对检测的结果影响很大。

基于图论的分割方法是基于区域分割方法中研究的热点方向。经典的有最小生成树方法、N-Cut方法、GraphCut方法、动态区域合并方法和Graph-Based方法等，这些方法都将图像的像素点作为节点构造无向赋权图，然后按照某一准则对图的顶点进行划分，完成对图像的分割。J.Shi等人于2000年在《IEEE Transactions on Pattern Analysis and Machine Intelligence》上发表的《Normalized cuts and image segmentation》中提出的N-Cut算法属于NP-hard问题，图的节点越多，问题的求解越费时，因此对较大图像进行分割的速度异常缓慢。C.Rother等人于2004年在《ACM Transactions on Graphics》中发表的《interactive foreground extraction using iterated graph cuts》中提出的GraphCut方法通过构建图和求能量最小化，优化分割效果。P.F.Felzenszwalb等人于2004年在《International Journal of Computer Vision》上发表的《Efficient graph-based image segmentation》中提出的graph-based方法，对领域构建图，利用最小生成树和合并准则完成聚类，执行效率高，运行时间几乎和图像的像素点数成线性关系，并且可以忽视高可变区域的细节特征，保留低可变区域的细节特征。但以上方法皆对噪声敏感，存在一定过分割现象，特别是对纹理复杂的图片分割效果不佳。

发明内容

1.发明要解决的技术问题

本发明的目的在于克服传统基于图（graph-based）的分割方法使用单一色彩特征进行图像分割造成严重误分割和过分割的不足，提供了一种改进的基于图和色彩纹理特征的图像分割方法，本发明通过多个样本获取纹理特征和色彩特征的统一系数，将图片的纹理特征和色彩特征有效融合，使用本发明的图像分割方法分割的准确性高，误分割现象大大减少。

2.技术方案

为达到上述目的，本发明提供的技术方案为：

本发明的一种改进的基于图和色彩纹理特征的图像分割方法，步骤如下：

1）选取30张样本图片，提取该30张样本图片的纹理特征和色彩特征，将得到的纹理特征和色彩特征组成一个矩阵Feature，并对矩阵Feature求协方差，将该协方差作为30幅样本图片的色彩信息和纹理信息的统一系数∑；

2）构造待分割图片的带权无向图G=(V,E)；

3）提取待分割图片的纹理特征和色彩特征，并构造待分割图片的纹理色彩特征描述符；

4）利用步骤1）获得的统一系数Σ和步骤3）获得的待分割图片的纹理色彩特征描述符计算待分割图片的带权无向图中边的权值；