一种基于超像素分割和EM/MPM处理的图像分割方法技术

本发明专利技术涉及一种基于超像素分割和EM/MPM处理的图像分割方法，利用SLIC超像素分割算法，在线性时间内构造出图像的预分割模型，然后利用对原图像的采样，为每个超像素创建灰度值，构造出超像素插值图像，在超像素插值图像的基础上，利用最大期望值/最大边缘概率(EM/MPM)完成最后的图像分割。优越性：能够在传统图像分割方法上，利用超像素分割对图像的预分割，提高分割区域的准确度，让分割区域鲁棒的正确的表示图像的一个部分，极大的降低分割区域中误分割部分，提高图像分割的准确度，为下一步的语义分割和目标提取提供更好的中间信息。

【技术实现步骤摘要】
一种基于超像素分割和EM/MPM处理的图像分割方法
本专利技术属于计算机图像分割、目标提取等领域，涉及一种基于超像素分割(superpixelsegmentation)和EM/MPM(最大期望值/最大边缘概率)处理的图像分割方法。
技术介绍
图像分割指的是根据灰度、颜色、纹理和形状等特征把图像划分成若干互不交迭的区域，并使这些特征在同一区域内呈现出相似性，而在不同区域间呈现出明显的差异性。目前传统的图像分割方法主要有以下几种：1、基于阈值的分割方法阈值法的基本思想是基于图像的灰度特征来计算一个或多个灰度阈值，并将图像中每个像素的灰度值与阈值相比较，最后将像素根据比较结果分到合适的类别中。2、基于边缘的分割方法所谓边缘是指图像中两个不同区域的边界线上连续的像素点的集合，是图像局部特征不连续性的反映，体现了灰度、颜色、纹理等图像特性的突变。通常情况下，基于边缘的分割方法指的是基于灰度值的边缘检测，它是建立在边缘灰度值会呈现出阶跃型或屋顶型变化这一观测基础上的方法。3、基于区域的分割方法此类方法是将图像按照相似性准则分成不同的区域，主要包括种子区域生长法、区域分裂合并法和分水岭法等几种类型。种子区域生长法是从一组代表不同生长区域的种子像素开始，接下来将种子像素邻域里符合条件的像素合并到种子像素所代表的生长区域中，并将新添加的像素作为新的种子像素继续合并过程，直到找不到符合条件的新像素为止。该方法的关键是选择合适的初始种子像素以及合理的生长准则。区域分裂合并法(Gonzalez，2002)的基本思想是首先将图像任意分成若干互不相交的区域，然后再按照相关准则对这些区域进行分裂或者合并从而完成分割任务，该方法既适用于灰度图像分割也适用于纹理图像分割。4、基于图论的分割方法此类方法把图像分割问题与图的最小割(mincut)问题相关联。首先将图像映射为带权无向图G＝＜V，E＞，图中每个节点N∈V对应于图像中的每个像素，每条边E连接着一对相邻的像素，边的权值表示了相邻像素之间在灰度、颜色或纹理方面的非负相似度。而对图像的一个分割s就是对图的一个剪切，被分割的每个区域C∈S对应着图中的一个子图。而分割的最优原则就是使划分后的子图在内部保持相似度最大，而子图之间的相似度保持最小。基于图论的分割方法的本质就是移除特定的边，将图划分为若干子图从而实现分割。目前所了解到的基于图论的方法有GraphCut，GrabCut和RandomWalk等。目前对图像的处理大多以像素为单位，用二维矩阵来表示一张图像，并未考虑像素之间的空间组织关系，这使得算法处理效率过低。03年超像素被提出，所谓超像素，是指具有相似纹理、颜色、亮度等特征的相邻像素构成的图像块。它利用像素之间特征的相似程度将像素分组，可以获取图像的冗余信息，在很大程度上降低了后续图像处理任务的复杂度。传统的图像分割算法(例如：聚类，EM，MPM算法等)即便是通过不同的参数设定，去噪等处理依然无法更好的优化误分割问题。
技术实现思路
要解决的技术问题为了避免现有技术的不足之处，本专利技术提出一种基于超像素分割和EM/MPM处理的图像分割方法，通过利用SLIC超像素预处理方法，可以大量获得代表某一区域的超像素，然后利用EM/MPM图像分割技术，在仅仅只增加线性时间O(n)的基础上，得到更好的图像分割效果。技术方案一种基于超像素分割和EM/MPM处理的图像分割方法，其特征在于步骤如下：步骤1、RGB图像转换成LAB图像：1、首先将RGB图像转换为XYZ：XYZ空间转换结果：其中：2、XYZ空间转LAB空间：L＝116f(Y/Yn)-16A＝500[f(X/Xn)-f(Y/Yn)]B＝200[f(Y/Yn)-f(Z/Zn)]步骤2、SLIC超像素分割：采用SLIC超像素分割算法构建原图像的超像素模型，参数选择如下：1、设置超像素区域大小和正则化参数，令超像素的区域大小为20，最小超像素区域大小为9正则化参数为0.01，则图像被分割成满足正则化0.01的255个超像素；2、在种子点的5×5邻域内重新选择种子点：计算该邻域内所有像素点的梯度值，将种子点移到该邻域内梯度最小的地方；3、在每个种子点周围的邻域内为每个像素点分配类标签，即属于哪个聚类中心，同时将SLIC的搜索范围限制为5×5；4、对于每个搜索到的像素点，分别计算它和该种子点的距离：其中，dc代表颜色距离，ds代表空间距离，Ns是类内最大空间距离，定义为适用于每个聚类。取最小值对应的种子点作为该像素点的聚类中心；5、采用10次迭代进行优化；6、增强连通性：新建一张标记表，表内元素均为-1，按照“Z”型走向将不连续的超像素、将尺寸小于5×5超像素重新分配给邻近的超像素，遍历过的像素点分配给相应的标签，直到所有点遍历完毕为止；步骤3、超像素图像灰度插值：原图像I在像素(x,y)的灰度值为I(x,y)，原图像生成超像素标记集为Γ＝{l1,l2,...,lM}，表示原图一共生成了lM个超像素。集合ISuperpixel(x,y)＝P/|κ|表示对应于超像素标记li的原图像像素集合；令超像素灰度值插值图像为：ISuperpixel(x,y)＝P/|κ|；步骤4：利用EM算法估计模型参数以及利用MPM算法得到最优分割。所述步骤4利用EM算法估计模型参数以及利用MPM算法得到最优分割时，将分割区域region设置为6，分割过程总迭代次数设置为5次，最大冷却率为1.2，单步冷却率增量为0.025。有益效果本专利技术提出的一种基于超像素分割和EM/MPM处理的图像分割方法，利用SLIC超像素分割算法，在线性时间内构造出图像的预分割模型，然后利用对原图像的采样，为每个超像素创建灰度值，构造出超像素插值图像，在超像素插值图像的基础上，利用最大期望值/最大边缘概率(EM/MPM)完成最后的图像分割。优越性：能够在传统图像分割方法上，利用超像素分割对图像的预分割，提高分割区域的准确度，让分割区域鲁棒的正确的表示图像的一个部分，极大的降低分割区域中误分割部分，提高图像分割的准确度，为下一步的语义分割和目标提取提供更好的中间信息。附图说明图1：本专利技术方法的流程图图2：色彩空间变换图图3：EM/MPM算法流程图4：图像分割效果具体实施方式现结合实施例、附图对本专利技术作进一步描述：用于实施的硬件环境是：Inter(R)Core(TM)i3-4160CPU@3.60GHz3.60GHz8GBRAM，运行的软件条件是：Matlab2015b和windows764bit。我们调用了VLFeat库Copyright(C)2007-11,AndreaVedaldiandBrianFulkerson，Copyright(C)2012-13,TheVLFeatTeam。采用了具有天空、房屋、玻璃门和窗户的RGB图像作为实验对象，图像分辨率为：320×320。本专利技术具体实施步骤如下：步骤1：色彩空间转化由于RGB图像无法直接转换成LAB图像，首先将RGB转换XYZ然后转换LAB。(1)RGB空间转XYZ空间其中XYZ空间转换结果：(2)XYZ空间转LAB空间L＝116f(Y/Yn)-16A＝500[f(X/Xn)-f(Y/Yn)]B＝200[f(Y/Yn)-f(Z/Zn)]将原图像的本文档来自技高网...

【技术保护点】
一种基于超像素分割和EM/MPM处理的图像分割方法，其特征在于步骤如下：步骤1、RGB图像转换成LAB图像：1、首先将RGB图像转换为XYZ：

【技术特征摘要】
1.一种基于超像素分割和EM/MPM处理的图像分割方法，其特征在于步骤如下：步骤1、RGB图像转换成LAB图像：1、首先将RGB图像转换为XYZ：XYZ空间转换结果：其中：2、XYZ空间转LAB空间：L＝116f(Y/Yn)-16A＝500[f(X/Xn)-f(Y/Yn)]B＝200[f(Y/Yn)-f(Z/Zn)]步骤2、SLIC超像素分割：采用SLIC超像素分割算法构建原图像的超像素模型，参数选择如下：1、设置超像素区域大小和正则化参数，令超像素的区域大小为20，最小超像素区域大小为9正则化参数为0.01，则图像被分割成满足正则化0.01的255个超像素；2、在种子点的5×5邻域内重新选择种子点：计算该邻域内所有像素点的梯度值，将种子点移到该邻域内梯度最小的地方；3、在每个种子点周围的邻域内为每个像素点分配类标签，即属于哪个聚类中心，同时将SLIC的搜索范围限制为5×5；4、对于每个搜索到的像素点，分别计算它和该种子点的距离：其中，dc代表颜色...

【专利技术属性】
技术研发人员：杨宁，邱硕，郭雷，刘高凯，邓博，
申请(专利权)人：西北工业大学，
类型：发明
国别省市：陕西,61