[发明专利]彩色图像分割方法及系统

说明书

提供了一种彩色图像分割方法及系统。所述方法包括：基于彩色图像的各个像素点的RGB三个通道的像素值以及横纵坐标值，计算所述彩色图像的各个像素点之间的距离；基于计算出的所述彩色图像的各个像素点之间的距离，构建将k近邻图和互k近邻图融合的融合k近邻图；基于构建的融合k近邻图，对所述彩色图像的各个像素点执行聚类分析；根据聚类分析的结果对所述彩色图像进行分割。根据本发明的彩色图像分割方法及系统能够达到增加计算复杂度的同时获得较好的非线性数据集的聚类效果，从而达到更好的彩色图像分割效果。

技术领域

本发明总体说来涉及图像处理领域，更具体地说，涉及一种基于新型的非线性聚类算法的彩色图像割方法及系统。

背景技术

现有的图像分割方法，已不再简单地使用边缘差值分割，而是更多地使用无监督或者半监督算法分割图像。新型的无监督或者半监督分割算法主要在两个方面做出改进：1、对原始图像的特征处理；2、使用机器学习算法提升分割效果。新型的无监督或者半监督分割算法与传统的分割算法相比有许多优势，但仍然存在一些问题：例如，1、增加了特征处理的步骤，即增加了计算复杂度和计算时间，需要更多的计算资源和时间来完成分割任务；2、大多数无监督和半监督的算法只能处理线性的数据集，而无法处理类似条状、带状、同心环状的非线性数据集，而且大部分算法需要预先设定聚类结果中簇的个数。这给实际使用带来很大的不确定性，无法保证算法在各种数据集特别是非线性数据集上都能取得令人满意的效果，且需要大量的人工介入。

发明内容

本发明的示例性实施例旨在克服上述现有图像分割算法中存在的特征处理的复杂度高且对非线性数据集效果差的缺陷。

根据本发明的示例性实施例，提供一种彩色图像分割方法，包括：基于彩色图像的各个像素点的RGB三个通道的像素值以及横纵坐标值，计算所述彩色图像的各个像素点之间的距离；基于计算出的所述彩色图像的各个像素点之间的距离，构建将k近邻图和互k近邻图融合的融合k近邻图；基于构建的融合k近邻图，对所述彩色图像的各个像素点执行聚类分析；根据聚类分析的结果对所述彩色图像进行分割。

可选地，计算所述彩色图像的各个像素点之间的距离的步骤可包括：对于所述彩色图像的像素点两两进行计算，其中，对于任意两个像素点，计算这两个像素点的R通道像素值之间的差值、G通道像素值之间的差值、B通道像素值之间的差值、横坐标值之间的差值以及纵坐标值之间的差值的平方和的算术平方根，作为这两个像素点之间的距离。

可选地，构建融合k近邻图的步骤可包括：基于计算出的所述彩色图像的各个像素点之间的距离，分别确定所述彩色图像的各个像素点之间是单向连通关系、双向连通关系还是无连通关系；基于确定结果构建融合k近邻图。

可选地，融合k近邻图可被构建为：

其中，X_i和X_j分别为两个像素点，表示距离像素点X_i最近的P₂个像素点的集合，表示距离像素点X_i最近的P₁个像素点的集合，表示距离像素点X_i最近的P₁个像素点的集合，其中，P₁和P₂的值由用户设置。

可选地，执行聚类分析的步骤可包括：基于所述彩色图像的各个像素点之间的双向连通关系，将所述彩色图像的各个像素点分别划分至孤立点集合或各个子簇中；基于各个子簇中的像素点与其他子簇中的像素点之间的单向连通关系，对各个子簇执行合并处理，从而产生一个或多个核心簇；基于计算出的孤立点集合中的各个像素点与产生的所述一个或多个核心簇中的各个像素点的距离，将孤立点集合中的各个像素点分别归类到与其距离最近的像素点所属的核心簇，从而产生最终的一个或多个簇。