[发明专利]一种求解图像分割问题的基于邻域分解的迭代局部搜索方法

说明书

一种求解图像分割问题的基于邻域分解的迭代局部搜索方法，先通过图像预处理技术将彩色图像转化为带权无向图，构建归一化割(normalized cut)的图划分模型，然后通过求解归一化割(normalized cut)的图划分问题来实现图像的分割。该算法为启发式搜索算法，算法框架主要分为解的初始化、局部搜索程序和扰动程序三个部分。首先，随机生成初始可行解；然后迭代地使用局部搜索和扰动程序对解进行优化，直至满足终止条件。本发明方法对于图像分割问题的准确度和时间效率进行了优化，从而提高了图像分割的准确度和速度。

技术领域

本发明适用于计算机视觉技术领域，提供了一种求解NP-hard 的图像分割问题的最优化方法，具体的来说是一种基于邻域分解的迭代局部搜索方法。

背景技术

图像是视觉信息的载体，图像处理在航空航天、生物医学工程、工业检测、自动驾驶、地理测绘等领域起到越来越关键的作用。图像分割问题是图像处理中的一类，目的在于将图像分成若干互不重叠的区域，使得同一区域之间的相似度最高，不同区域之间的相似度最低。

解决图像分割的方法有很多，例如：边缘检测，阀值分割，边缘提取，基于图论等。

归一化割(normalized cut)的图划分准则不仅可以实现顶点集内部顶点间的差异最大与顶点集内部相似度最大的需要；而且，基于全局优化，处理结果不会存在偏向性。因此，该准则在图像分割问题上受到了广泛的应用。然而，另一方面，当前的图划分方法在处理较大规模问题实例时，效率往往不尽如人意，费时费力，有待改进以提高运算效率。

发明内容

本发明的目的是提供一种求解图像分割问题的基于邻域分解的邻域搜索方法，该方法以图像分割为背景，可解决传统方法对于大规模图像分割时耗时，费力的问题，从而保证图像分割的有效实施。

该方法首先使用随机生成的方式产生一个初始可行解并通过局部搜索得到当前解，接着迭代的使用扰动和基于邻域分解的局部搜索算法对其进行优化。包括如下步骤：

步骤1，输入待分割图像，图像划分个数K和扰动参数k_min、k_max、 k_step，进行预处理生成带权无向图G，随机生成初始可行解S₀；

步骤2，执行局部搜索，使用基于邻域分解的局部搜索算法对于初始可行解进行局部搜索，从而得到当前解S_c；

步骤3，进入扰动阶段，对当前解进行扰动强度为k的扰动，从而生成扰动解S_p；

步骤4，进入局部搜索阶段，使用步骤2的算法对于扰动解执行局部搜索，从而产生新的局部最优解S_i；

步骤5，进入解的更新阶段，若改进解S_i优于当前解S_c，则将改进解S_i替换当前解S_c，否则当前解S_c不变；

步骤6，判断是否满足终止条件，若满足终止条件则转至步骤7，否则转至步骤3；

步骤7，满足终止条件，输出当前最优解S_b，流程停止。

进一步地，步骤1所述的初始可行解随机生成方法为：首先，根据有权无向图G构造邻接表；接着，随机选择K个不同的节点作为初始点；然后，通过邻接表所包含的信息对于初始选择的K个顶点从相邻点依次拓展直至所有节点分配完成；最终，将有权无向图G分割为K类，即{C₁,C₂,…,C_K}。

进一步地，步骤2中，进入局部搜索，使用基于邻域分解的局部搜索算法对于初始可行解进行改进生成当前解，其中基于邻域分解的局部搜索算法主要框架为邻域下降算法与邻域的分解。