[发明专利]一种基于最小模糊散度的图像协同分割方法

说明书

一种基于最小模糊散度的图像协同分割方法属图像处理和计算机视觉技术领域，本发明通过交并比(Intersection over Union，IOU)值判断分割效果，1.获取图像分割数据集，进行RGB空间到LAB空间转换；2.利用Gamma型隶属度函数构造模糊散度公式，构造新的能量函数，依据最小模糊散度准则进行曲线演化，达到好的分割效果；本发明利用模糊集理论更好地处理目标边缘；将一幅图像的颜色信息引入到另一幅图像的能量函数中，能增强对初始曲线替换的鲁棒性；利用基于区域的活动轮廓模型，通过求解能量函数局部极小值达到最优分割效果；建立的模型可降低计算时间的复杂性，可应用于集成成像立体显示系统的前期工作。

技术领域

本发明属图像处理和计算机视觉技术领域，具体涉及一种基于最小模糊散度的图像协同分割方法。

背景技术

随着近些年图像数据规模的不断增加，众多实际应用对图像分割的需求已不满足于小规模的单幅图像分割，从一组图像中提取常见目标成为了活跃的研究课题，即图像协同分割问题。

协同分割的思想在于基于单幅图像的分割方法上考虑一个附加的前景相似性约束，从而实现对普通对象的分割。针对这一问题，过去数年中多种协同分割算法被相继提出，并成功地应用于实际问题中，如基于马尔科夫随机场(MRF)的协同化方法，根据估计理论中的最优准则确定分割问题的目标函数，将分割问题转化为最优化问题，难度在于图像特征选取和前景相似性度量方法的选取；基于热扩散的协同化方法，是将分割问题建模为热扩散的温度最大化问题，但是对于由多个独特区域组成的前景(如人体)效果并不理想；基于随机游走的协同化方法，优化计算更简单，但是用户需要在第一幅图像中标注出前景区域和背景区域；基于主动轮廓的协同化方法中，不同的特征选取方式以及一致性的度量方式，都会对模型产生不同的影响。

由于以上算法的缺陷，在实际应用中很难取得理想的效果，故有必要进行改进。

发明内容

本发明的目的在于提供一种基于最小模糊散度的协同分割模型，对多幅不同视角图像进行比较完善的分割，最大程度减少误差率。

本发明解决其问题所采用的技术方案是：

一种基于最小模糊散度的图像协同分割方法，利用颜色直方图信息来表达前景相似性，利用模糊散度构造能量函数，将一幅图像的区域信息引入到另一幅图像的能量函数中，从而能增强对初始曲线替换的鲁棒性。此外，采用互优化的方法驱动能量函数最小值，轮廓曲线逐渐向待检测物体的边缘逼近，最终分割出目标。

本发明所述基于最小模糊散度的图像协同分割方法包括下列步骤：

1.1获取图像数据库：iCoseg数据集、4*4相机阵列拍摄图像集；

1.2预处理：分割之前利用SLIC超像素分割方法，将像素简单分类、生成超像素图像，包括下列步骤：

1.2.1将M*N大小的图像，从RGB空间转换至LAB空间；

1.2.2设置预生成的超像素数量K＝1000，即将M*N大小的图像分割成1000个像素块，每个像素块分为大小包含[(M*N)/1000]个像素；

1.2.3每个超像素区域长宽都均匀分布，长宽M设置为M＝sqrt(M*N/1000)；

1.2.4初始化聚类中心点，计算像素点与聚类中心的距离，通过迭代优化直至误差收敛，迭代次数设置为10；

1.3定义初始曲线：将初始曲线定义为矩形，位置处于图像中央；

1.4区域表示：采用颜色直方图表示区域特征，对于R-G-B图像，颜色值用三维向量表示，直方图通过每种颜色在某个区域出现的概率生成；