一种基于多代表超像素的无监督图像分割方法技术

本发明专利技术属于图像分割技术领域，具体涉及一种基于多代表超像素的无监督图像分割方法。为解决现有无监督图像分割方法中适用性差、应用性不足、稳定性弱等问题，本方法包括：(1)计算输入图像的超像素划分；(2)计算超像素表示中每个像素块的特征表示；(3)计算超像素块的成对距离矩阵；(4)计算每个超像素块的局部密度；(5)计算每个超像素块的代表性；(6)选取代表性超像素块；(7)以代表性超像素块为指导进行图像预分割；(8)利用层次聚类合并相似分割区域得到最终图像分割结果。得到最终图像分割结果。得到最终图像分割结果。

【技术实现步骤摘要】
一种基于多代表超像素的无监督图像分割方法


[0001]本专利技术属于图像分割
，具体涉及一种基于多代表超像素的无监督图像分割方法。

技术介绍

[0002]计算机视觉是计算机学科中的热点研究领域之一。图像分割是计算机视觉中的一项关键技术，是图像分析、图像理解、物体检测等诸多计算机视觉任务的基础之一。目前，图像分割技术已经广泛应用于医学图像分析、自动控制、遥感图像处理等领域。图像分割的主要目的是将图像划分为多个不重叠的区域，使得每个区域由相似的特征组成，如颜色、纹理等。图像分割可分为有监督图像分割和无监督图像分割。无监督图像分割不依赖于训练样本和图像标签，因而具有更广泛的应用场景。但与此同时，无监督性也带来了分割性能、稳定性、鲁棒性方面的挑战。
[0003]现阶段，无监督图像分割方法可分为聚类法、阈值分割法、边缘检测法等。阈值分割法采用统计学技术设置固定阈值，然后通过阈值将图像分离为不重叠的区域，常采用的策略包括基于像素和局部邻域或全局信息学习阈值，常用的特征包括图像灰度直方图特征或全局纹理特征。阈值分割法仅适用于灰度信息差异较大的图本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多代表超像素的无监督图像分割方法，其特征在于，包括以下步骤：步骤1，采用SLIC方法计算输入图像的超像素划分，即SLIC(I)
→
S，其中输入图像的每个像素点为由(R，G，B)通道取值表示的三维向量，即步骤2，计算超像素表示中每个超像素块的特征表示；步骤3，计算超像素块的成对距离矩阵；步骤4，计算每个超像素块的局部密度；步骤5，计算每个超像素块的代表性；步骤6，选取代表性超像素块；步骤7，以代表性超像素块为指导进行图像预分割；步骤8，利用层次聚类合并相似分割区域得到最终图像分割结果。2.根据权利要求1所述的一种基于多代表超像素的无监督图像分割方法，其特征在于，所述步骤2中计算超像素表示中每个超像素块的特征表示，具体步骤为：步骤2.1，计算每个超像素块对应的像素点集，即{p
j
|j∈{S
j
＝＝i}}；步骤2.2，采用超像素点集的特征平均值表示超像素块，即其中步骤2.3，同理计算求得和3.根据权利要求1所述的一种基于多代表超像素的无监督图像分割方法，其特征在于，所述步骤3中计算超像素块的成对距离矩阵，具体步骤为：将超矩阵块视为处理对象，若超像素块数量为n，则计算一个n
×
n的距离矩阵D，超像素块p'
i
和p'
j
的距离通过公式(1)计算：4.根据权利要求1所述的一种基于多代表超像素的无监督图像分割方法，其特征在于，所述步骤4中计算每个超像素块的局部密度，具体步骤为：将超像素块p'
i
的局部密度设置为其在(R，G，B)三个通道下邻域半径内的平均近邻数，即：其中，为R通道下ε半径内的近邻个数，为G通道下ε半径内的近邻个数，为G通道下ε半径内的近邻个数，ε取值为：其中，为的下取整，n表示超像素块数量，的计算方法如公式(4)所示：其中，|{
·
}|表示集合{
·
}中的元素个数，同理计算求得和
5.根据权利要求1所述的一种基于多代表超像素的无监督图像分割方法，其特征在于，所述步骤5中计算每个超像素块的代表性，...

【专利技术属性】
技术研发人员：李飞江，王婕婷，
申请(专利权)人：山西大学，
类型：发明
国别省市：