[发明专利]一种基于显著性先验的图像自动分割方法

说明书

本发明涉及一种基于显著性先验的图像自动分割方法，包括以下步骤：通过背景先验显著性方法计算图像在不同超像素尺度下的显著图；采用中心‑原理公式对显著图进行增强；将增强后的显著图进行图像融合，获取融合显著图；提取原图像的RGB颜色特征、LAB颜色特征和OTC纹理特征；根据颜色特征和纹理特征对图像像素进行相似性度量；根据像素相似性对融合显著图进行处理，将符合相似性规则的像素标记为前景种子点，将不符合相似性规则的像素标记为背景种子点；通过图割原理完成对图像的自动分割。本发明方法能够自动获取种子点，同时克服光照对分割的影响，解决了现有图像分割方法需要人工参与且易受光照影响的问题。

技术领域

本发明属于图像处理和计算机视觉领域，特别涉及一种基于显著性先验的图像自动分割方法。

背景技术

图像分割是根据像素的相似性将图像划分为多个子区域，并从中提取感兴趣区域的技术，是计算机视觉任务的重要一环，在农业、医学、交通等领域广泛应用。现有的图像分割方法获取种子点先验信息的方式需要人工参与，造成分割效率低下。另外，受图像采集设备和采集条件的影响，图像表面会存在光照不均匀的情况，对此类图像直接进行分割会导致较大的误差，难以得到令人满意的效果。

现有的图像分割方法根据是否需要人工参与可以分为交互分割和自动分割。交互分割方法是指首先由人工在图像中标记前景和背景种子点，以此作为先验信息，之后通过度量图像中其它像素与种子点的相似性来对像素进行划分，最后将像素划分为前景和背景两类。此类分割方法能够明确地将感兴趣区域提取出来，但往往过度依赖颜色特征，在前景色和背景色对比度低时容易导致错误分割。自动分割方法是指不借助人工标记，自动获取图像分割的先验信息进行分割的技术，阈值分割是经典代表算法。阈值分割通常设定一个或几个阈值，根据阈值对图像的像素进行分类，像素灰度高于阈值的归为前景，低于阈值的部分归为背景。该方法只利用了图像的灰度信息，不考虑像素在空间上的邻近性，因此该类算法对噪声敏感，会破坏边界，导致分割结果不能保持空间上的连续性。显著性检测技术的出现推动了图像自动分割的研究与发展。显著性检测技术是可以基于图像自身的特点计算像素的显著值，显著值的大小表征像素的显著性，显著值越高，表示像素在图像中越容易引起人眼注意。通过显著性检测技术计算得到图像的显著图，然后采用阈值分割技术可实现图像的自动分割。

上述方法中，交互分割方法需要人工参与，分割过程繁琐，对人员有较高的专业要求，而且分割准确性过度依赖颜色特征；基于阈值分割的自动分割方法思想简单，但阈值的设定难以保证分割结果的完整性。

发明内容

本发明的目的在于，解决传统纹样语义重构过程中遇到的上述问题，本文提出的一种基于显著性先验的图像自动分割方法，从结构、信噪比、边缘一致性等方面出发，完成对重构的图像的质量评价，帮助用户快速甄别高质量的重构图像。

本发明提供的一种基于显著性先验的图像自动分割方法，其特征在于，包括以下步骤：

步骤1对待分割图像进行超像素分割，获得不同尺度超像素分割的超像素块；

步骤2、根据不同尺度超像素划分结果，根据背景-先验显著性算法计算显著图；

步骤3、采用中心-原理公式对不同尺度下的显著图进行增强，然后将不同尺度超像素划分下的显著图进行融合获得融合显著图，最后对融合显著图进行阈值分割，获得粗略显著图；

步骤4、提取待分割图像中前景区域的像素点的颜色特征和纹理特征，所述前景区域是指步骤3中阈值分割后像素值大于阈值的区域，即粗略显著图中的前景区域；

步骤5、根据下式计算待分割图像中前景区域的像素点之间的特征相似度：