[发明专利]一种基于二元分割树的区域特征描述方法及系统

说明书

本发明适用于图像特征提取，提供了一种基于二元分割树的区域特征描述方法，步骤包括：A，将原始图像分割成若干分割区域；B，计算相邻的分割区域之间的相似度将相似度最高的两相邻区域合成一超区域；C，重复执行B直至合并成完整的原始图像；D，根据分割区域和超区域构建二元分割树；E，分别提取二元分割树中的目标区域和目标区域对应的超区域的特征并据此构建区域特征，然后根据区域特征进行目标区域的特征描述。本发明融合了目标区域、同级超区域以及邻近上级区域和超区域的基本区域特征来描述目标区域的特征，既包含了局部区域特征，也包含了全局情景信息，所以会具有情景感知力、高识别度、稳健性强的优势。

技术领域

本发明属于计算机视觉和图像处理领域，尤其涉及一种基于二元分割树的区域特征描述方法及系统。

背景技术

特征描述是计算机视觉和图像处理中的一个基础模块，在图像显著目标检测、目标分割、目标识别和语义图像检索等应用中，特征的稳健性和丰富性在很大程度上决定了其性能。目前大多数采用的特征提取方法是：通过图像分割算法或像素点聚类的方法将原始图像分割成图像子块或图像区域，然后根据这些图像子块或图像区域提取图像特征。

现有的特征提取方法虽然具有高效性，但自然图像经常都包含了很多复杂的背景，现在最先进的图像分割方法也还不能把边界定义明确的目标完整的从背景中分离出来，在处理背景复杂的图像时，采用这些方法所提取的特征不具备足够的差异度，目前有采用通过调整分割参数使目标由较少的区域组成来促成其任务，但对很多图像而言，调整分割参数去减少区域的数量可能会导致图像目标区域与背景区域合并的欠分割现象，从而导致错误的检测结果，同时现有技术在进行特征提取时，特征稳健性差、信息量不够丰富。

发明内容

本发明所要解决的技术问题在于提供一种基于二元分割树的区域特征描述方法及系统，旨在解决现有技术在进行特征提取时，特征稳健性差、信息量不够丰富的问题。

本发明是这样实现的，一种基于二元分割树的区域特征描述方法，步骤包括：

步骤A，将原始图像分割成若干分割区域；

步骤B，计算相邻的所述分割区域之间的相似度，将相似度最高的两相邻区域合成一超区域；

步骤C，重复执行步骤B直至得到的所有相邻区域合并成完整的原始图像；

步骤D，根据所述分割区域和所述超区域构建二元分割树；

步骤E，分别提取所述二元分割树中的目标区域和所述目标区域对应的超区域的特征并据此构建区域特征，然后根据所述区域特征进行目标区域的特征描述。

进一步地，在步骤A中，利用图像分割算法对所述原始图像进行分割。

进一步地，在步骤B中，计算相邻的所述分割区域之间的相似度，将相似度最高的两个分割区域合并得到超区域，具体包括：

以R_j表示某一分割区域，N_j表示该分割区域R_j的相邻区域的集合，S(R_n,R_j)表示分割区域R_j和其某一相邻区域R_n的相似度，R_s表示分割区域R_j与其相邻区域之间的相似度的最大值，则两个分割区域的区域合并准则为：

R_s＝arg max S(R_n,R_j)，R_n∈N_j。

进一步地，在所述二元分割树中包含有根节点、叶子节点和非叶子节点，其中，根节点表示合并完的整个原始图像，叶子节点表示一个分割区域，非叶子结点表示一个超区域。

进一步地，所述步骤E具体包括：