[发明专利]基于深度种子的图像多层次分割的目标尺度选择方法

权利要求书

1.基于深度种子的图像多层次分割的目标尺度选择方法，其特征在于，包括：

步骤1：利用多层次图像分割算法，将输入图像I分割成两个以上层次，每个层次是一个分割结果，每个分割结果包含两个以上非重叠分割区域；

步骤2：构建多层次分割树T，包括：

2.1从最低层次分割结果R₁开始，由低到高取k个层次的分割结果，即{R₁,R₂,…,R_k}；低层次分割结果，其分割区域个数大于高一层次分割结果的分割区域个数，即|R₁||R₂|…|R_k|；其中，R₂的每个分割区域，与R₁中的一个分割区域相同，或者与R₁中两个以上相邻分割区域的并集相同；R₃的每个分割区域，与R₂中的一个分割区域相同，或者与R₂中两个以上相邻分割区域的并集相同；以此类推；

2.2根据k个层次的分割结果构建深度为k的多层次分割树T：每个层次的分割结果的分割区域分别映射为分割树T对应层次的节点；其中，R₂的分割区域所映射的节点，为R₁中与其相同分割区域所映射的节点的父节点，或者为R₁中并集与其相同的两个以上相邻分割区域所映射的节点的父节点；R₃的分割区域所映射的节点，为R₂中与其相同分割区域所映射的节点的父节点，或者为R₂中并集与其相同的两个以上相邻分割区域所映射的节点的父节点；以此类推；

步骤3：以颜色直方图、纹理直方图和区域几何尺寸表示图像特征，对k个层次的分割结果中每一个分割区域的质量进行评价，得到分割质量分数，包括

3.1使用χ²分布计算区域间颜色相似度：在CIE Lab颜色空间下，分割区域x与同一层次的所有相邻分割区域y的颜色相似度为：

其中，表示x的颜色直方图，表示y的颜色直方图，λ₁是常数；a表示CIE Lab的颜色通道个数，b表示颜色直方图子区间的编号，为颜色直方图划分的子区间总数，颜色直方图划分的每个子区间大小相等；

使用具有6个方向3个尺度((σ_x,σ_y)＝{(1,3),(2,6),(4,12)})的高斯一阶、二阶微分滤波器，得到区域的36个纹理特征，分别计算区域的纹理直方图；分割区域x与同一层次的所有相邻分割区域y的区域间纹理相似度为：

其中，表示区域x的纹理直方图，表示区域y的纹理直方图，λ₂是常数；a′表示区域纹理特征的编号，b′表示区域纹理直方图子区间的编号，为子区间的总数；

3.2计算分割区域x的几何尺寸度量f_geo：

其中，表示最低层次分割结果R₁的分割区域个数，表示当前层次分割结果的分割区域个数，R表示输入图像I的面积，R_x表示分割区域x的面积；

3.3计算分割区域x的分割质量分数Q(x)：

Q(x)＝f_inter-color(x)+f_{inter-texture}(x)+f_geo(x)；

步骤4：找到最优分割树，包括

正向过程：计算多层次分割树T的每个层次的每个节点及其子树的分割质量；所述节点的分割质量等于其对应的分割区域的分割质量，子树的分割质量为该节点的所有子节点对应的分割区域的分割质量之和；

反向过程：从高层到低层，依次比较节点与其子树的分割质量，具体为：选取一个节点，如果当前节点的分割质量优于其子树的分割质量，则将当前节点作为最优分割的节点，不再选取其子树的节点进行比较；否则，继续选取当前节点的子树的节点，与其子树的分割质量进行比较；直到比较完毕，得到最优分割的节点集合，构成最优分割树；

步骤5：用输入图像I的语义类别标签作为监督信息，将图像I作为网络输入，用标准的VGG-19深度分类网络生成图像I的前景种子点，具体为：在该网络的全连接分类器生成的前景目标热图基础上，对热图应用一个阈值λ₃来获得前景种子点；使用显著性检测算法计算输入图像I的背景种子点，即选择显著性图中像素值为0区域作为输入图像I的背景种子点；最后，将前景种子点和背景种子点放在一个单通道分割掩码图像中，生成输入图像I的种子点；其中，每个前景种子点的标签等于输入图像I的一个类别标签，背景种子点的类别标签为背景；种子点对应的像素集合记为S＝{s_m}，s_m是第m个类别的种子像素集合，m＝0,…,M；M是前景类别标签的个数；

步骤6：将步骤4得到的最优分割树的节点所对应的分割区域表示为集合{x_i,i＝1,…,N}，其中N表示分割区域个数，且满足x_i∩x_j＝φ，i≠j，j＝1,…,N；使用图割优化框架，计算每个区域的最优类别标签，即为区域x_i找到一个类别标签l_i，集合{l_i}表示为L，通过最小化能量方程E(L)的值得到目标分割结果：

上式中，

为区域x_i基于种子点的一元式，如下：

其中，M表示输入图像I所有前景类别标签的个数，l_i是区域x_i的类别标签；ψ_i,j为相邻区域x_i和x_j的二元式，能量方程的第二项表示相邻区域的特征相似性，用区域的颜色直方图、纹理直方图进行归一化计算，如下：

其中，如果l_i≠l_i为真，则[.]为1，否则[.]为0；l_j是区域x_j的类别标签；δ_lab、δ_t为常数参数；

D_i,j是区域x_i和区域x_j的尺度不变特征转换得到的特征和加速鲁棒特征的欧几里德距离之和，如下：

其中，δ₁和δ₂是常数参数，δ₁+δ₂＝1。