[发明专利]一种基于滑降的随机游走图像分割算法

说明书

本发明公开的属于图像处理技术领域，具体为一种基于滑降的随机游走图像分割算法，该基于滑降的随机游走图像分割算法的具体步骤如下：S1：滑降算法分隔图像，每个区域看做节点；S2：利用万有引力算子计算节点间的权值；S3：手动输入背景和物体标记；S4：利用随机游走算法节点分类概率，利用滑降算法对图像进行初始分割，采用万有引力算子求解节点间的权值，然后建立相应的图结构，以更有效地利用图像的区域性质，增加分割边界的稳定性，并且由于减少了图中的节点数目，计算时间也大大减少，计算速度明显提高。

技术领域

本发明涉及图像处理技术领域，具体为一种基于滑降的随机游走图像分割算法。

背景技术

图像分割在计算机视觉领域中占有重要的地位。传统的分割方法多为自动分割算法，即根据图像的信息对像素进行自动分类，但其对于复杂的医学图像、遥感图像很难实现精确分割。

随机游走算法是一种半自动分割算法，并已成功地应用在图像分割领域，它通过计算每个像素到给定像素的概率值来分割图像。

经典随机游走算法仅考虑像素之间的灰度和位置关系，没有考虑其空间意义，往往会导致分割结果不理想，且计算量过大。

发明内容

本发明的目的在于提供一种基于滑降的随机游走图像分割算法，以解决上述背景技术中提出的经典随机游走算法仅考虑像素之间的灰度和位置关系，没有考虑其空间意义，往往会导致分割结果不理想，且计算量过大的问题。

为实现上述目的，本发明提供如下技术方案：一种基于滑降的随机游走图像分割算法，该基于滑降的随机游走图像分割算法的具体步骤如下：

S1：滑降算法分隔图像，每个区域看做节点：首先用滑降算法将具有相同纹理性质的像素进行初步的局部归类,把每一个子区域看作图中的一个点；

S2：利用万有引力算子计算节点间的权值：边的权值由万有引力算子来计算,建立一个对应的加权图；

然后利用随机游走算法对图像进行再分割，将滑降分割的每一个小区域看作随机游走中的节点；

S3：手动输入背景和物体标记；

S4：利用随机游走算法节点分类概率：给定一个加权图G＝(V，E，W)，其中，v∈V是节点，e∈EV×V是边，Wij是节点vi和vj之间的权值，表示两点之间相似程度；

令D表示对角矩阵，其定义为Dii＝∑nj＝1W(i，j)，相当于W第i行所有元素之和；

可将给定的权值W归一化为随机矩阵P＝D-1W；

根据随机游走算法可知，如果关系矩阵P的每一行之和都为1，那么P中元素Pij表示从节点i移动到节点j的转移概率；

由P的定义可知，P的特征值满足λ＝1≥λ2≥…λn≥-1；

设P对应的特征向量分别为x1，…，xn，则P的第一个特征向量是x1＝[1，…，1]T；

进一步假定加权图G没有度数为0的节点，则随机矩阵P的求解问题等价于求解Px＝λx(1)；

通过归一化割算法的光谱问题公式和随机矩阵P的特征值等价；

特征向量表征了各个节点之间的关系，通过设定的阈值把个特征向量进行分类，从而完成对应的节点的分类，最终实现图像分割。

优选的，所述步骤S1中滑降算法的步骤如下：

Step1.计算图像梯度幅值；

Step2.对梯度图像的每个像素进行八邻域扫描，找到最小梯度值的像素；

对该最小梯度值的像素再进行八邻域扫描寻找最小梯度值,直到该像素的梯度值最小,对该像素作标记；