[发明专利]一种基于邻域主成分分析-拉普拉斯的图像分割方法

摘要

本发明公开了一种基于邻域主成分分析‑拉普拉斯的图像分割方法，该方法对原始图像进行主成分分析，得到每个像素的特征向量，提取图像的主要成分，有效的抑制了噪声；然后，用拉普拉斯算子对图像进行边缘检测，从而实现对图像的分割。与传统的Sobel算子和LOG算子分割算法相比，该方法通过对图像像素进行主成分分析，来估计去噪过程中的参数值，而不依赖于经验值，能有效的降低噪声对图像的干扰，简化了计算复杂度。实验结果表明，该方法能够有效的改善图像的分割效果，在准确性和稳健性上具有较强的优越性。

主权项

1.一种基于邻域主成分分析‑拉普拉斯的图像分割方法，其特征在于，包括以下步骤：S1，在图像中任取一像素P，以其为中心点，根据预设的图像的分块的大小进行图像块的选取，然后以像素P为中心，对输入的原始图像进行分块，图像块为正方形块，把原始图像的每个像素点表达成由其邻域像素组成的图像块；对某一像素x(i,j)对应的图像块，选取图像块的亮度、一阶横向梯度和一阶纵向梯度值用列向量表示；即形成以像素x(i,j)为中心的图像块，所述图像块用列向量表示；S2，对像素P，在像素P为中心点的窗口内选取大小相同的多个相似邻域像素块，作为图像的样本训练集；所述窗口为包括多个图像块的正方形窗口；S3，对上述样本训练集进行PCA变换，用训练样本的主成份表达基表达输入像素P的相似邻域像素块，调整主成份的贡献率，获得像素P的去噪后的像素值P’；S4，对输入的原始图像的每个像素，用步骤S1,S2,S3，求取每个像素的邻域块的主成份表达；并根据主成份域的特征值计算每个像素的去噪后的估计值，最后拼合全部的去噪后的像素点求得去噪后的图像；S5，对获得的去噪图像进行拉普拉斯边缘提取，得到一幅边缘特征图像；S6，对获得的边缘特征图像，按照边缘进行分割，得到边缘分割图像。