基于边界提取的区域合并图像分割算法制造技术

基于边界提取的区域合并图像分割算法，其步骤包括计算梯度图、提取边界、初始分割、区域合并，其中初始分割可省略。在区域合并过程中以区域紧邻边上属于边界提取结果部分的长度比率为合并代价，并按区域内部的梯度平均值升序对区域进行合并，还引入了纹理差异评价机制以去除误分割。本算法解决了目前常用分割算法的分割粒度太细、易受噪声影响、易受光照影响、需要人工标记大量样本、计算量大、内存消耗量大等问题。另外，所有区域或者所有类别在一个最终分割结果上达到最佳分割效果。这些优势特征能够降低后续任务的计算资源消耗，并提升其处理效果。

【技术实现步骤摘要】
【国外来华专利技术】基于边界提取的区域合并图像分割算法
本专利技术涉及到计算机视觉中的图像分割算法，属于区域合并图像分割(Regionmerging)算法的一种。支持分割数字图像、光学卫星影像、SAR影像、以及各类医学影像等。
技术介绍
准确分割的图像具有巨大的价值，有助于提升图像镶嵌、三维重建、目标识别、图斑分类等算法的准确性。当前常用的图像分割算法有：区域合并(Regionmerging)、聚类(Clustering)、分水岭(Watershed)、活动边界模型(ACM)、水平集(LevelSet)、区域生长(RegionGrowing)、图切(GraphCut、GrabCut)、全卷积神经网络(FCNN)。
技术介绍
的问题分水岭分割算法的分割结果粒度太细，受噪声影响巨大。所有的聚类算法都受到像元间差异测度方法的严重影响，还有些聚类算法存储和计算量都很巨大。活动边界模型、水平集、图切的最佳用处是交互式地在图像上提取单一前景目标。全卷积神经网络需要人工标记大量的样本，对于未标记的类别则无能为力，此外动则需耗费数天至月余进行训练。由于缺少良好的纹理描本文档来自技高网...

【技术保护点】
基于边界提取的区域合并图像分割算法，其特征在于：/n算法步骤包括计算梯度图、提取边界、初始分割、区域合并；/n所述初始分割可以省略；/n所述区域合并的步骤为：/n(1)将所有的区域按照MO(R

【技术特征摘要】
【国外来华专利技术】基于边界提取的区域合并图像分割算法，其特征在于：
算法步骤包括计算梯度图、提取边界、初始分割、区域合并；
所述初始分割可以省略；
所述区域合并的步骤为：
(1)将所有的区域按照MO(R
i)从小到大排序；

(2)依次遍历所有区域；
(2.1)遍历当前区域R
i的紧邻区域；

(2.1.1)对于区域R
i的某个紧邻区域R
j，如果MO(R
j)≤MO(R
i)且C
ij≤T
c记录MO(R
j)取值最小的紧邻区域R
j；

(2.2)将R
i合并至MO(R
j)取值最小的紧邻区域R
j；

(3)如果遍历所有区域过程中有区域被合并了，回到步骤1；
(4)如果遍历所有区域过程中没有区域被合并，结束。


根据权利要求1所述的基于边界提取的区域合并图像分割算法，其特征在于：
还可以在区域合并规则中增加纹理差异评价机制以去除误分割，增加纹理评价机制后的区域合并步骤为：
(1)将T
ind初始化为0；

(2)将所有的区域按照MO(R
i)从小到大排序；

(3)将C
ind和Σ
ind初始化为0；

(4)依次遍历所有区域；
(4.1)遍历当前区域R
i的紧邻区域；

(4.1.1)对于区域R
i的某个紧邻区域R
j，如果MO(R
j)≤...

【专利技术属性】
技术研发人员：唐锐，
申请(专利权)人：中国水利水电科学研究院，
类型：发明
国别省市：北京;11