[发明专利]自动图像分割方法及装置

说明书

本发明提供了一种自动图像分割方法及装置，所述方法包括以下步骤：A、基于图论方法进行图像像素划分，由此将图像分割为不同区域；B、对图像分割的区域进行欠分割检测，修正图像分割区域；C、分析欠分割检测后的图像分割区域两两之间的近似度，如果足够近似则进行图像分割区域的合并。通过本发明的自动图像分割方法及装置，能够实现快速、准确、可靠的图像区域分割，并使分割结果更加接近人的视觉效果。

技术领域

本发明涉及数字图像处理技术，特别是涉及到自动图像识别中的图像分割领域。

背景技术

图像识别，是指利用计算机对图像进行处理、分析和理解，以识别各种不同模式的目标和对像的技术。一般工业使用中，采用工业相机拍摄图片，然后再利用软件根据图片灰阶差做进一步识别处理，图像识别软件国外代表的有康耐视等，国内代表的有图智能等。另外在地理学中指将遥感图像进行分类的技术。

图像识别技术是人工智能的一个重要领域。为了编制模拟人类图像识别活动的计算机程序，人们提出了不同的图像识别模型。例如模板匹配模型。这种模型认为，识别某个图像，必须在过去的经验中有这个图像的记忆模式，又叫模板。当前的刺激如果能与大脑中的模板相匹配，这个图像也就被识别了。例如有一个字母A,如果在脑中有个A模板,字母A的大小、方位、形状都与这个A模板完全一致,字母A就被识别了。图像识别中的模式识别(PatternRecognition)，是一种从大量信息和数据出发，在专家经验和已有认识的基础上，利用计算机和数学推理的方法对形状、模式、曲线、数字、字符格式和图形自动完成识别、评价的过程。模式识别包括两个阶段，即学习阶段和实现阶段，前者是对样本进行特征选择，寻找分类的规律，后者是根据分类规律对未知样本集进行分类和识别。这个模式识别的模板匹配模型简单明了，也容易得到实际应用。但这种模型强调图像必须与脑中的模板完全符合才能加以识别，而事实上人不仅能识别与脑中的模板完全一致的图像，也能识别与模板不完全一致的图像。

一般说来，图像识别的第一步是对图像进行自动分割，即通过计算机将图片分割成不同的区域，然后进一步处理后才能进行图像的识别。现有的图像分割方法包括：基于轮廓跟踪的方法、基于区域竞争的方法、基于目标轮廓的方法、基于均值漂移的方法、基于图论的方法，以及基于学习的分割方法。如何评价分割结果的质量，以及如何根据评价结果进行改善是多数现有方法所忽略的问题。

对图像分割结果的评价目前主要是基于监督的评价方法，也就是将分割结果与利用人手工分割得到的实况(ground true)图像进行比较。监督型评价方法的最主要问题是实况图像的获取。首先，每一张图像都需要人通过手工勾画进行分割，工作量巨大，特别是对于图片数量不断增长的大容量图像库来说，这种方法难以实际应用。此外，由于不同人对同一图像的理解有差异，人工分割的结果往往不尽相同，这也影响了对图像分割质量评价的客观性。而如果采用面向灰度图像分割结果的非监督型评价方法，它对区域的纹理特征进行了分析，但并未考虑颜色信息、因此纹理特征较为简单。还有例如使用的标准方差法，但这种基于统计的方法过于粗糙，很多情况下具有相同方差的区域其纹理特征实际相差仍然较大。

发明内容

本发明的目的在于克服现有技术中的图像分割方法工作量较大、效率低；或者未考虑颜色信息、因此纹理特征较为简单等缺点，提供一种自动图像分割方法及其装置

为解决上述技术问题，本发明采用如下技术方案。

一种自动图像分割方法，所述方法包括以下步骤：

A、基于图论方法进行图像像素划分，由此将图像分割为不同区域；

B、对图像分割的区域进行欠分割检测，修正图像分割区域；

C、分析欠分割检测并修正后的图像分割区域两两之间的近似度，如果足够近似则进行图像分割区域的合并。

其中，所述基于图论方法进行图像像素划分包括：