[发明专利]一种基于邻域主成分分析-拉普拉斯的图像分割方法

说明书

本发明公开了一种基于邻域主成分分析‑拉普拉斯的图像分割方法，该方法对原始图像进行主成分分析，得到每个像素的特征向量，提取图像的主要成分，有效的抑制了噪声；然后，用拉普拉斯算子对图像进行边缘检测，从而实现对图像的分割。与传统的Sobel算子和LOG算子分割算法相比，该方法通过对图像像素进行主成分分析，来估计去噪过程中的参数值，而不依赖于经验值，能有效的降低噪声对图像的干扰，简化了计算复杂度。实验结果表明，该方法能够有效的改善图像的分割效果，在准确性和稳健性上具有较强的优越性。

技术领域

本发明涉及图像处理技术领域，尤其涉及一种基于邻域主成分分析-拉普拉斯的图像分割方法。

背景技术

图像分割技术已经渗透到生活的方方面面，比如在生物、医学图像分析中，需要将细胞、组织器官从图像中分割出来对其形状、截面影像等进行测量，以便对病变组织进行定量定性分析、评估和预测。随着摄像机、照相机、红外线以及各种传感器等视觉信息捕捉设备与技术的发展，视觉信息的获取已成为简单的问题，但是如何行众多的视觉信息中获取感兴趣的部分成为重要的研究方向。尤其是在获取的图像含有噪声的情况下，如何获得更精确的细节信息，成为图像研究的主要问题。图像分割是计算机视觉领域的基本问题，尤其是图像处理、分析和理解中的关键问题，图像分割质量的好坏直接影响到视觉系统的性能、目标检测和目标识别的准确性。在过去的研究中，研究人员提出了很多的分割方法，但是仍然没有一种通用的算法，这些算法往往是针对某些特定的图像提出的。我们将图像分割分为传统的分割方法和基于学习的分割方法。针对如何降低图像的噪声，提高图像的分割质量的问题，图像分割技术先对含噪声图像利用主成分分析去噪，在对图像进行边缘提取和分割，得到高质量的分割图像，并得到了广泛的应用。

传统的分割方法包括基于微分算子的边缘检测分割方法[1][2][3]、基于区域的分割方法[4][5]和基于阈值的分割方法等等。基于微分算子的边缘检测分割方法使用一阶或是二阶微分算子检测图像的边缘点，然后按照一定的策略将点连接起来形成区域轮廓。这种方法能够准确定位边缘，运算速度快，但是，检测的边缘常常是不连续的，检测的精确性和抗噪声干扰性之间存在矛盾。基于区域的分割方法主要是找到合适的种子或是合适的生长准则来形成区域，从而实现图像分割。这种分割方法能够较好的形成分割区域，但是计算量较大，容易对图像造成过度分割。基于阈值的分割方法通过合理的目标函数得到最佳分割阈值，区分图像的目标和背景，实现图像的分割。这种方法计算简单、效率高，并且能够连通封闭的边界定义不交叠的区域。但是，阈值的选取决定了图像分割的质量。传统的分割方法算法往往是直接对图像进行分割，不对图像进行预处理，不能有效的抑制噪声对图像的干扰，降低了图像的分割质量。

发明内容

本发明要解决的技术问题在于针对现有技术中的缺陷，提供一种基于邻域主成分分析-拉普拉斯的图像分割方法,本方法解决现有同类基于边缘提取的分割算法中边缘提取对噪声敏感的问题，利用邻域主成分分析对图像进行去噪处理，然后利用拉普拉斯算子对图像进行边缘提取，从而实现图像分割，提高图像的分割质量。

本发明解决其技术问题所采用的技术方案是：一种基于邻域主成分分析-拉普拉斯的图像分割方法，包括以下步骤：

S1，在图像中任取一像素P，以其为中心点，根据预设的图像的分块的大小进行图像块的选取，然后以像素P为中心，对输入的原始图像进行分块，图像图为正方形块，这样可以把原始图像的每个像素点表达成由其邻域像素组成的图像分块；

S2，对像素P，在像素P为中心点的窗口内选取大小相同的相似块，作为图像的样本训练集；所述窗口为包括多个图像块的正方形窗口；

S3，对上述样本训练集进行PCA变换，用训练样本的主成份表达基表达输入像素P的邻域像素块，调整主成份的贡献率，可以获得像素P的去噪后的像素值P’；