【技术实现步骤摘要】
本专利技术涉及图像分析
,尤其涉及一种保持边缘的图像超像素分割方法。
技术介绍
计算机和互联网的兴起带来的数据膨胀不可避免,照相机等设备的更新换代使得图片的尺寸越来越大,处理起来也越来越困难。假如逐像素点的去分析,会造成的信息的冗余和计算的浪费。如果存在一种方法,提前把颜色相似且位置相近的像素分类到一起,作为一个整体,作为后续图像分析中的一个基本单元,这将会极大的减少图像分析的计算量和运行时间。超像素分割,就是这样一种预处理方法,其目的是提前将图像分成颜色相似的若干个区域,减少像素之间的冗余。在对图像做超像素分割之后,我们可以把分割后的每一块分割区域当做一个整体去处理,用逐块的分析来代替以前逐像素的分析,从而极大减少了特征的数量,节约了计算的时间;如图1所示,左侧为输入图像,中间为传统的超像素分割方式对输入图像进行分割,右侧为分割结果。然而,传统的超像素分割方式并不能完全保持图像的信息,当超像素分割数量减少时,图像信息或多或少的会被丢失。所以,该研究目的在于用尽量小的分割数量,尽可能好的保持原图的细节信息。超像素方法主要分成两种:基于图分割的算法和基于梯度的算法。对于基于图分割的算法,它们往往先从图像中获取一个无向图结构,再通过优化基本图分割能量方程,不断的对无向图进行分割,直到生成最后的超像素分割结果为止。不同的算法有不同的图分割能量方程定义,以及不同的优化方法。然而,即使是最简单的能量方程,在求解过程中也是一个NP-hard的问题,并且是在整个全局图像去求解的,需要占用很高的时间复杂度。对于基于梯度的方法,一般先选取一定数量的像素点作为种子点, ...
【技术保护点】
一种保持边缘的图像超像素分割方法,其特征在于,包括:将输入的图像转换为无向图结构,再利用线性复杂度的方法从无向图结构中提取出图像的最小生成树MST,并定义MST中用于衡量图像空间信息的基本树距离和用于衡量图像颜色信息的加权树距离;对图像进行单层超像素分割,其步骤包括:以基本树距离为均匀性衡量标准,在MST上均匀采取种子点,作为类中心点;以加权树距离作为差异性衡量标准,用最近邻的策略对MST中除去类中心点之外的剩余的结点做聚类;对图像进行高层超像素分割:从单层超像素分割的结果中提取出一个新的MST,作为下一层超像素分割的输入,并重复单层超像素分割的步骤;同时,随着层数的增加逐渐的减少分割数量,从而在最后一层超像素分割后生成期望的超像素分割数量。
【技术特征摘要】
1.一种保持边缘的图像超像素分割方法,其特征在于,包括:将输入的图像转换为无向图结构,再利用线性复杂度的方法从无向图结构中提取出图像的最小生成树MST,并定义MST中用于衡量图像空间信息的基本树距离和用于衡量图像颜色信息的加权树距离;对图像进行单层超像素分割,其步骤包括:以基本树距离为均匀性衡量标准,在MST上均匀采取种子点,作为类中心点;以加权树距离作为差异性衡量标准,用最近邻的策略对MST中除去类中心点之外的剩余的结点做聚类;对图像进行高层超像素分割:从单层超像素分割的结果中提取出一个新的MST,...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。