图像分割制造技术

一种使用图论技术的图像分割方法，其中，图像的像素用图的顶点表示。生成最小生成树并根据形态学特性相继去除树的边以留下生成森林，生成森林的树与图像的部分对应。选择要去除的边可依赖于树的能量函数和通过去除边而生成的树的能量函数。

【技术实现步骤摘要】
【国外来华专利技术】
本专利技术涉及图像和/或视频处理，特别是涉及使用图论技术的图像数据的分割。分割在包括降噪和图像及视频数据压缩的许多应用中很有用，并且先前已经提出了多种图像分割方法。这些方法包括阈值、分水岭算法、形态学尺度空间变换或筛选、区域分割及合并、聚类、频域技术、以及包括运动估计的技术。然而，这些方法中很少(如果有的话)能够使用低到中等的处理资源生成多分量图像的高质量等级分割。本专利技术使用来自数学分支(即通常所说的图论)的一些概念。以下是图论中所用术语的简要描述。图由可通过线(称为边)连接起来的点(称为顶点)组成。附图说明图1中示出了图的实例。顶点的度是与其连接的边的数量。在图1中，顶点度的范围为0到3。如果顶点具有度1，则其被称为树叶；图1的图具有三片树叶。边和顶点都可具有与它们相联系的数字或权重。这些权重可具有一些物理意义；例如，在顶点表示城镇以及边表示道路的图中，边权(edge weight)可表示道路长度。图G的子图是其顶点为G的顶点的子集且其边为G的边的子集的图。如果子图具有G的所有顶点，则其生成(span)G。G中的路径是每一边均与前一边共享顶点的不同边的集合。对于更精确的定义，可参看Bollobás，Béla.Graph theory-an introductory course.Springer-Verlag，New York，1979。树是其中从任意给定的顶点到任何其它顶点正好有一条路径的图。森林是分离的一组树。图G的生成树或生成森林是作为G的生成子图的树或森林。在边加权的图中，图的最小生成树(MST)(也被称作最短或经济生成树)是使该树中边权总和最小的生成树。存在用于查找边加权图的最小生成树的已知算法。一种是Kruskal算法，其维持一组局部最小生成树并重复添加其顶点在不同的生成树中的最小权重(或最轻)边。另一种是Prim算法，其从单个顶点开始，并且通过重复将连接该树的最轻边添加到该树中还不存在的顶点，然后将该顶点添加到该树中来建立树。在下面更详细描述的图4和图5中，图5示出了图4的最小生成树。现在考虑将图论应用到图像中。图的顶点可用于表示像素，而边可用于表示像素的邻接。在本文中，如果一个像素正好在另一个像素的上方、下方、左侧、或右侧，则两个像素邻接，因此具有连接它们的边。这是邻接的4连接定义；还可以使用6连接或8连接定义。通过4连接定义，可通过如图2所示的图表示图像。不表示图像边界上的像素的每个顶点的度为4。注意，图论中使用的词“边”与图像中或图像边界上的边的概念关系很小。这种图中的边权可用于表示相邻像素之间差的一些度量(measure)。例如，在亮度图像中，边权可被定义为两个亮度值之间的绝对差。图3示出了具有如图所示的像素值的示例性5×4亮度图像，以及图4示出了表示该图像的图，其中，分配了等于相邻像素值之间的绝对差的边权。MST可用作图像分割算法的基础。可以看出，如果从树中去除一条边，则将形成两棵树，该图像范围内的每棵树将描述连接的顶点子集，即，图像的部分。因此，为了将图像分成N个部分，需要从MST中去除N-1条边。先前已经提出选择去除的边仅是MST中的N-1条最大权重(或最重)边。例如，为了将由图5表示的图像分成2个部分，需要去除加权4的边，生成图6所示的分割。如果需要3个部分，则还要去除第二重的边(权重为3)；生成图7所示的分割。然而，发现该方法具有许多缺点。本专利技术的目的在于提供一种图像分割的改进方法。根据本专利技术的第一方面，提供了一种图像分割的方法，其中，图像的像素由图的顶点表示，像素的邻接由图的边表示，边被分配表示相邻像素之间不相似性的度量的权重，生成该图的最小生成树(或与其近似)，并相继从最小生成树去除边以创建其树与图像部分对应的生成森林，其中，要从生成森林中去除的边的选择依赖于该森林的顶点或边的形态学特性。本专利技术人指出的具体缺点是通过使用上述现有技术标准选择边所创建的部分的大小具有较大的不平衡。已经发现在查找MST的现有技术过程中，来自原始图的许多最重边被去除，但经常在树的树叶附近发现最重的残留边。这意味着重边的去除经常导致只具有一个像素的新的部分。本专利技术通过使用在每个阶段选择从MST中去除哪条边的新方法克服了现有技术的局限性。本专利技术的思想是使用边的去除将生成合理大小的部分的可能性的度量。优选地，用于选择边的标准依赖于从边到该边所在树的树叶的距离的度量。可选地，该标准可依赖于通过去除该边所创建的两棵树。在一个实施例中，该标准可依赖于大小的度量，例如，使用顶点数来度量大小。在另一个实施例中，该标准可依赖于包含该边的树中的像素的函数与通过去除边所创建的两棵树中像素函数值的总和之间的差。这种新算法具有一些非常吸引人的特征。查找MST只需要中等的计算复杂度，并且执行随后的分割非常容易。不同于基于阈值的一些算法，可以精确地指定部分的数量。首先，该算法是完美分级的分成给定数目部分的分割总是包含在分成更多部分的分割中。该方法还用于多分量图像数据(例如，由R、G、B值描述的图像)。在通过多于一个分量描述的图像(例如，RGB图像)中，边权可以是这些分量之间的绝对或平方差的和、最大绝对差、或任何其它适当的度量。本专利技术还提供了适于执行本文充分描述的方法的装置，其在一个实施例中可包括数字电路。本专利技术可在数据压缩方法和装置以及其它图像或视频处理应用中实施。现在，参照附图仅通过实例描述本专利技术，其中图1是图的实例；图2是作为图的5×4图像的表示；图3是示例性小亮度图像；图4是图3的边加权的图表示；图5是图4的最小生成树；图6是图5的分成两部分的MST分割；图7是图5的分成三部分的MST分割；图8示出了计算隔离中的连续阶段；图9是图5的隔离图；图10示出了隔离和边权的乘积；图11是使用隔离处理将图5分割为两部分的分割；图12示出了顶点隔离图；图13示出了边隔离图；图14示出了修改的隔离值和边权的乘积；图15是使用隔离处理将图5分割成三部分的分割；图16是示例性测试图像；图17示出了使用所述现有技术的算法将图16分割成64部分的尝试性分割的结果；图18示出了使用所述现有技术的算法将图16分割成4000部分的分割的结果；图19示出了使用本专利技术的实施例将图16分割成64部分的分割的结果；图20示出了简化隔离计算；图21示出了使用本专利技术的可选实施例将图16分割成64部分的分割结果；图22示出了基于能量计算的示例性方法中的第一阶段；图23示出了基于能量计算的方法中的第二阶段；图24示出了基于能量计算的方法中的第三阶段；以及图25示出了基于能量计算的方法中的第四阶段。可以在分割的每个阶段计算图像中每个像素的新特性(此处称为“隔离(seclusion)”)。考虑到树的树叶被“暴露”，我们断定在某种意义上“远”离树叶的顶点是“隔离的”。从而隔离是顶点隔离的程度。可以通过以下算法计算树或森林的隔离·将当前隔离值S设为0·当存在剩余在森林中的边时○增加S○将所有树叶顶点的隔离设为S○去除所有树叶顶点和与它们连接的边·如果剩余一个顶点，则将其隔离设为S+1图8示出了怎样为图5的图中的每个像素计算隔离。在每个阶段，已经被去除的树叶被涂成白色。我们已经描述了怎样计算树或森林中所有顶点的隔离。可以根据其两个顶点的隔离(例本文档来自技高网...

【技术保护点】
一种图像分割方法，其中，用图的顶点表示所述图像的像素，用所述图的边表示像素的邻接，为所述边分配表示相邻像素之间的不相似性的度量的权重，生成所述图的最小生成树（或与其近似），并且相继从所述最小生成树中去除边以创建生成森林，所述森林的树对应于所述图像的部分，其中，选择要从所述生成森林去除的边依赖于对所述森林的所述顶点或所述边计算的形态学特性。

【技术特征摘要】
【国外来华专利技术】...

【专利技术属性】
技术研发人员：迈克尔詹姆斯尼，马丁韦斯顿，
申请(专利权)人：史诺伟思有限公司，
类型：发明
国别省市：GB[]