[发明专利]一种基于分水岭变换的无监督彩色图像分割方法

说明书

技术领域

本发明属于图像处理技术领域，涉及到形态学分水岭理论和彩色图像分割，该发明可应用于彩色图像的快速分割，为后续的目标分类和识别奠定基础。

背景技术

图像分割是计算机视觉的关键步骤，在图像分析和模式识别中有着重要应用。目前，学者们已经提出了诸多图像分割方法，在这些方法中，基于数学形态学的分水岭变换是一种有效的分割工具。基于分水岭方法的图像分割结果具有封闭的分割区域，然而，由于单一的分水岭变换往往对非规则细节和噪声非常敏感，易导致过分割现象。针对该问题，近年来学者们已经做了大量的研究工作，提出了许多改进的分水岭分割方法。目前，基于分水岭变换的图像分割方法大致可以分为两类：一类是基于先验知识表达的监督分水岭分割方法；另一类是基于区域的无监督分水岭分割方法。

在第一类分水岭分割方法中，先验知识主要是待分割物体的大小、形状、颜色等特征。Levner首先构建了拓扑函数，并分类驱动目标和背景区域，将驱动种子用于分水岭变换，以实现图像分割。然而，该方法硬性地将拓扑表面分成两部分，对于较复杂或带噪声图像，往往无法正确区分图像的前景和背景，得到错误的标记种子，从而导致错误的分割结果。为了改善图像分割结果，Richard提出一种局部约束的分水岭变换，该方法通过修改底层分水岭变换所依赖的路径来定义边界的约束条件，保留了许多可取的分水岭变换性质，如明确的停止条件和高效的实现，同时能够在噪声或边界不完整情况下，提供更稳定的分割。

针对第二类无监督分水岭分割方法，学者们利用数学形态学在分析图像和信号的测地结构等非线性方法中的优势，通过利用形态学重建运算修正梯度图像，以解决过分割问题。文献“一种参数化的形态学分水岭图像分割方法，铁道学报，2013，Vol35(1)，p66-70”公开了一种参数化的形态学分水岭图像分割方法，该方法针对一些改进的分水岭分割方法在平滑图像时导致分割后的区域轮廓发生位置偏移的问题，利用黏性形态学流溢模型，建立梯度等级与结构元素之间的函数关系，利用大小不同的结构元素对梯度图像进行参数化修正，最后在修正的梯度图像基础上，采用标准分水岭实现图像分割。该方法的优点在于建立了结构元素和梯度图像之间的函数关系，使得基于形态学分水岭的图像分割方法参数化。然而，该方法没有实现图像的无监督分割，其中参数的确定是个问题；其次，该方法仅适用于灰度图像分割，难以应用到彩色图像分割中。

发明内容

为了克服现有技术的不足，本发明提供一种基于分水岭变换的无监督彩色图像分割方法，利用矢量梯度计算方法计算彩色图像的梯度，利用形态学重建运算有效减少导致过分割的局部极小值点，并利用自适应结构元素使分割达到稳定，从而使新的分割方法不需设定任何参数就可以得到稳定的分割结果，本发明具有方法简单、易于实现等优点，且具有广泛的应用前景。

本发明解决其技术问题所采用的技术方案是：首先利用矢量梯度计算方法得到彩色图像的梯度，然后利用形态学自适应梯度重建优化梯度图像，最后利用分割区域稳定性得到最终的分割结果。具体实现步骤如下：

(1)输入彩色图像f，定义起始变量i＝1，i表示圆盘型结构元素B_i的半径，l＝2表示将梯度图像初始划分为2个等级；

(2)利用矢量梯度方法计算彩色图像f的梯度图像g；

(3)对梯度图像g进行开重建运算，得到第一次修正后的梯度图像g_rec(1)；

(4)对梯度图像g_rec(1)进行标准分水岭变换，统计分割后的区域数目为Num(1)；

(5)自适应梯度重建，得到修正后的梯度图像g_m，包括以下步骤：

(a)i加1，圆盘型结构元素B_i为尺寸(2i+1)×(2i+1)的圆形结构，对g_rec(i-1)进行开重建，得到修正后的梯度图像g_rec(i)；