[发明专利]一种基于多层次区域合成的图像分割方法

说明书

一种基于多层次区域合成的图像分割方法，首先利用现有多层次图像分割算法得到多层次分割结果；其次进行全局层次范围的合成：由低层次到高层次选择图像的多幅分割结果，分别计算每个层次的图像区域特征，并对多种征进行统一量化描述，建立多层次图像分割的合成模型，利用多标签图割方法进行分割区域的最优组合；然后根据全局层次合成的结果，选择局部层次范围，用多标签图割模型进行第二次合成；最后将第二次合成的层次标签进行区域映射，获得最终的图像分割结果。本发明从多个分割层次中选择目标分割质量高的区域，实现了自适应选择；并使用较少的区域特征计算分割质量，减少参与计算的区域节点数量，使用的优化组合模型优化效果更好。

技术领域

本发明涉及计算机视觉、图像处理技术领域，尤指多层次图像分割技术，特别是一种基于多层次区域合成的图像分割方法。

背景技术

图像分割是指提取图像中有意义的目标区域的过程，图像包含的目标具有多层次(尺度)的特点，即同一目标可按细节和语义层次的不同表示成数量不同的若干区域。多层次图像分割方法能得到不同层次的图像分割结果，并表示成树形结构，形成具有上下层关系的多层次图像内容表达。对不同层次的目标区域进行提取，能适应不同目的的计算机视觉任务，提高处理精度和效率，是充分挖掘高分辨率和复杂场景图像应用潜力的有效途径。近年来该种技术引起了相关领域的广泛关注，成为图像分割技术的主流研究方向。

为了在多层次图像分割中获取最终目标的描述，常用的处理方法是设定阈值，在树形结构中提取某一层次，得到针对具体应用的图像分割结果。存在问题包括：首先，图像可能包含多个目标，其最优分割可能各自出现在不同的分割层次；其次，分割层次选择依赖于专家的阈值设定，不仅繁琐且存在主观差异。研究图像分割的层次选择问题，是完善分多层次图像割技术的必要手段，能有效提高图像语义分割、图像显著性目标检测、视频目标检测、目标识别等相关领域的技术水平。

图像分割层次的选择必须以目标的分割质量为依据，目前有大量针对图像分割质量评价的方法，但很少直接应用在分割算法的改进上。这些评价方法中，常见的是对图像分割的区域或边界特征进行描述，包括：区域内部性质的一致性、相邻区域性质的差异性、区域大小、形状特征、周长特征等。然后利用经验评价准则，对各种特征的好坏定量描述：例如设计特征质量评价函数，对单一或多个特征进行量化，函数值的大小直接反映分割质量的好坏程度。另外有方法利用机器学习技术，用训练好的分类器对分割特征好坏进行分类。其中，评价函数方法的质量评价准确度较低，对分割质量的综合描述能力较差；机器学习方法需要较多特征数量，训练过程产生的计算复杂度和计算量非常很大，一般仅能对分割质量的好坏进行粗略分类，不能进一步刻画好坏的程度。

图像分割层次的选择还依赖于目标区域的优化组合。如果以单一层次为整体进行选择，不需要对区域进行组合。它可直接代替专家阈值设定，减少人工工作量，但不能保证对每个个体目标都实现优化选择。为进一步提高图像分割的准确度，需要从不同的分割层次选择最优目标并组合。本发明设计并采用了组合优化模型，即多标签图模型实现多层次分割区域组合，它所用的树形节点数量较少，且依赖的节点特征种类数量少，并能获得高质量的图像分割结果，具有很大的实用价值。

发明内容

鉴于现有多层次图像分割中层次选择方法存在的局限性，本发明的目的是提供一种从多个分割层次中选择最优目标分割区域，并对其进行优化组合的图像分割方法。

具体技术方案如下：

一种基于多层次区域合成的图像分割方法，通过图像分割的层次采样选择，提取不同层次图像分割的区域特征，利用特征所反映的分割质量和多层次区域之间的语义一致性，建立多层次分割区域优化组合模型，得到最优的分割结果，包括如下步骤：