【技术实现步骤摘要】
基于深度种子的图像多层次分割的目标尺度选择方法
本专利技术涉及图像分割
，具体涉及基于深度种子的图像多层次分割的目标尺度选择方法。
技术介绍
图像分割是计算机视觉中的一项重要技术，其目的是根据图像的颜色一致或纹理相似性等特性将图像分割成若干段。尽管在文献中也提出了综合的分割算法，但是有效地分割出物体的有意义的部分来可视化人类的感知仍然是一个开放的挑战。每个人对“有意义”有不同的定义，不同的人在如何正确地分割一个图像上会有所不同。许多人喜欢将图像分割成几个片段，而其他人往往只识别图像内容的几个片段。在这种情况下，一个单独的分割结果只能由一个算法生成，这可能不是解决图像分割问题的有效方法。最近的许多论文工作都研究了将图像分割成一个单一的多尺度结构，为了在所有尺度上捕捉图像目标。使用分层分割会导致在特定的分层级别上包含整个对象或对象的一部分的可能性更高。分层算法在不稳定性方面也有缺点，其结果是基于空间选择和特征参数的，因为层次是建立在低级特征(边缘、颜色等)上的，为了保持一致，对象的尺度没有被强加。然而，为不同的对象...
【技术保护点】
1.基于深度种子的图像多层次分割的目标尺度选择方法，其特征在于，包括：/n步骤1：利用多层次图像分割算法，将输入图像I分割成两个以上层次，每个层次是一个分割结果，每个分割结果包含两个以上非重叠分割区域；/n步骤2：构建多层次分割树T，包括：/n2.1从最低层次分割结果R
【技术特征摘要】
1.基于深度种子的图像多层次分割的目标尺度选择方法，其特征在于，包括：
步骤1：利用多层次图像分割算法，将输入图像I分割成两个以上层次，每个层次是一个分割结果，每个分割结果包含两个以上非重叠分割区域；
步骤2：构建多层次分割树T，包括：
2.1从最低层次分割结果R1开始，由低到高取k个层次的分割结果，即{R1,R2,…,Rk}；低层次分割结果，其分割区域个数大于高一层次分割结果的分割区域个数，即|R1|>|R2|>…>|Rk|；其中，R2的每个分割区域，与R1中的一个分割区域相同，或者与R1中两个以上相邻分割区域的并集相同；R3的每个分割区域，与R2中的一个分割区域相同，或者与R2中两个以上相邻分割区域的并集相同；以此类推；
2.2根据k个层次的分割结果构建深度为k的多层次分割树T：每个层次的分割结果的分割区域分别映射为分割树T对应层次的节点；其中，R2的分割区域所映射的节点，为R1中与其相同分割区域所映射的节点的父节点，或者为R1中并集与其相同的两个以上相邻分割区域所映射的节点的父节点；R3的分割区域所映射的节点，为R2中与其相同分割区域所映射的节点的父节点，或者为R2中并集与其相同的两个以上相邻分割区域所映射的节点的父节点；以此类推；
步骤3：以颜色直方图、纹理直方图和区域几何尺寸表示图像特征，对k个层次的分割结果中每一个分割区域的质量进行评价，得到分割质量分数，包括
3.1使用χ2分布计算区域间颜色相似度：在CIELab颜色空间下，分割区域x与同一层次的所有相邻分割区域y的颜色相似度为：
其中，表示x的颜色直方图，表示y的颜色直方图，λ1是常数；a表示CIELab的颜色通道个数，b表示颜色直方图子区间的编号，为颜色直方图划分的子区间总数，颜色直方图划分的每个子区间大小相等；
使用具有6个方向3个尺度((σx,σy)＝{(1,3),(2,6),(4,12)})的高斯一阶、二阶微分滤波器，得到区域的36个纹理特征，分别计算区域的纹理直方图；分割区域x与同一层次的所有相邻分割区域y的区域间纹理相似度为：
其中，表示区域x的纹理直方图，表示区域y的纹理直方图，λ2是常数；a′表示区域纹理特征的编号，b′表示区域纹理直方图子区间的编号，为子区间的总数；
3.2计算分割区域x的几何尺寸度量fgeo：
其中，表示最低层次分割结果R1的分割区域个数，表示当前层次分割结果的分割区域个数，R表示输入图像I的面积，Rx表示分割区域x的面积；
3.3计算分割区域...
【专利技术属性】
技术研发人员：彭博，扎伊德阿尔胡达，冯婷，杨燕，
申请(专利权)人：西南交通大学，
类型：发明
国别省市：四川;51
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。