本发明专利技术公开了一种利用流形谱聚类进行图像分割的方法，主要解决现有方法的存储规模大、计算效率和分割精度低的问题。实现步骤为：(1)输入一幅图像，提取输入图像的颜色和纹理特征，并利用分水岭算法获得输入图像的流形集；(2)计算流形特征集，构造距离矩阵，由弗洛伊德算法得流行距离矩阵；(3)计算相似度矩阵，进而构造度矩阵以及归一化拉普拉斯矩阵；(4)特征分解归一化拉普拉斯矩阵，进而构造谱矩阵；(5)对谱矩阵进行归一化，得到归一化谱矩阵，由k均值算法得流形集的标签向量，输出分割结果。本发明专利技术存储规模小、计算效率和分割精度高，可应用于医学图像检测病灶区、精密零件表面缺陷检测、卫星拍摄的地形地貌照片的处理。
【技术实现步骤摘要】
本专利技术属于图像处理领域，涉及一种图像分割方法，具体地说是一种基于谱聚 类的图像分割的方法，可用于目标检测与跟踪及对卫星拍摄地形地貌照片的处理。
技术介绍
数字图像处理技术是一个跨学科的领域。随着计算机科学技术的不断发展，图 像处理和分析逐渐形成了自己的科学体系，图像分割是一种重要的图像处理技术，可应 用于医学图像检测病灶区、精密零件表面缺陷检测、处理卫星拍摄的地形地貌照片等。 图像分割是从图像处理到图像分析的关键步骤，可以说，图像分割结果的好坏直接影响 对图像的理解。为后续工作有效进行而将图像划分为若干个有意义区域的技术称为图像 分割，也就是将图像中具有特殊涵义的不同区域区分开来，这些区域是互相不交叉的， 每一个区域都满足特定区域的一致性，在分割结果中1)每个区域的像素有着相同的特 征；2)不同子区域具有不同的特征，并且它们没有公共特征；3)分割的所有子区域的并 集就是原来的图像；4)各个子集是连通的区域。图像分割的方法和种类有很多，常见的分割技术阈值分割技术，微分算子边 缘检测，区域增长技术，聚类分割技术。基于图论的谱聚类图像分割方法是近年来国际 上分割领域的研究热点。基于图论的谱聚类图像分割，是将图像映射为带权无向图，把像素点视作节 点，利用最小剪切准则得到图像的最佳分割。该方法本质上将图像分割问题转化为最优 化问题。Shi和MaKk在2000年根据谱图理论建立了 2_way划分的Normailized-Cut (Ncut) 的目标函数，设计了用于图像分割的算法，由此发展出一系列算法，如Ng和Weiss提出 的k-way划分的Ncut算法；Meila和Shi提出的Normalized Cut与随机游动关系的算法； Zlia和Dhillon提出的基于二分图的算法等。在这些经典的算法中都采用高斯相似函数计 算相似度矩阵W，当数据量变大时，即数据点个数η很大时，相似度矩阵W为Μη的矩 阵，存储和特征分解都很困难，尤其对于一副图像更大，同时高斯相似函数中存在人为 手动设置尺度参数的问题。为了解决此问题Fowlkes et al.提出了基于Nystrom逼近的谱 聚类应用于图像分割，此方法首先随机选择1(1 = η)个样本点，计算一个小的相似度矩阵 S其大小为1*1，对其进行特征分解，然后采用Nystrom方法逼近原始相似度矩阵W。这 个方法虽然克服了数据量大的问题，但是依旧存在一些问题1)随机选择样本点使得它 结果不稳定；2)它依旧采用了高斯相似函数计算相似度，必须人为手动设置尺度参数； 3)计算样本点和图像中剩余的像素点之间的相似度时时间很长，使得分割效率较低。
技术实现思路
本专利技术的目的在于克服上述已有技术的不足，提出一种利用流形谱聚类进行图 像分割的方法，使得分割的结果稳定，并且不需要人为设置尺度参数，提高分割的效率。为实现上述目的，本专利技术将流形距离测度的思想引入谱聚类图像分割方法中， 其具体步骤包括如下1)输入一幅图像，在Luv颜色空间中获得该图像的颜色特征& =汍，fu，fv}， 并提取图像的十维小波纹理特征Fw= {f1; f2，…，f10},采用特征融合的方法将颜色特征 与小波纹理特征进行融合，得到图像的融合特征F = aFc+bFw,其中F的每一行表示一个 像素点的特征，&、fu、^分别表示Luv颜色空间的亮度分量L、色度坐标分量U和色度 坐标分量ν的特征，ζ表示小波纹理特征Fw第丨维特征i= 1，2...10, a和b分别表示颜 色特征和纹理特征所占的比例，且a+b = 1 ；2)采用分水岭算法将该输入图像预分割为流形集M = {m^l,，将各流形所包含的 所有像素点特征的平均值分别作为各流形的流形特征，得到流形特征集MF = 0/1^，其 中流形In1为分水岭算法预分割输入图像所得的第i个区域，i = l，2，…，η, η表示流 形集M的大小，mf为第i个流形In1的流形特征；3)计算每个流形特征mf与其他流形特征之间的欧氏距离，依据每个流形特征 mf的所有欧氏距离寻找到流形In1Wk个近邻流形，构造一个大小为n*n的距离矩阵d =[Ci1Jn,n当第j个流形ιη是m,的k个近邻中的一个时，d^等于mf与mf之间的欧氏距 离，否则为-1表示不连通，且4 = 0，其中i，j = 1, 2，…，η, k的取值范围为5到 9之间的整数，依据不同的图像人为选择不同的值，C^表示距离矩阵d的第i行第j列元 素，Ci11表示距离矩阵d的第i行第i列元素；4)使用弗洛伊德算法根据距离矩阵d计算各个流形之间的最短路径，得到大小 为nh的流形距离矩阵D = [D1Jnin,其中Dy为第i个流形In1与第j个流形ιη之间的最 短路径，其中Du表示流形距离矩阵D中第i行第j列元素；5)构造大小为nh相似度矩阵W= [WiJlrtl，其中第i行第j列的元素 巧=7^，(〃力，对角线元素为0，且当Dy = -1 Wwy等于0 ；η6)计算度矩阵A= [A1Jnv其中第i行第i列的元素Λ =Σ%，其它元素为0，；=1并计算归一化拉普拉斯矩阵L = A-172WA-172 ；7)对归一化拉普拉斯矩阵L进行特征分解，并取该L的前K个最大的特征值对 应的特征向量构造谱矩阵V= {Vl，v2,…，νκ},其中K为人为设定的图像分类数，V1 为L的第i个特征向量i= 1，2，...K；8)计算归一化谱矩阵Y = [Y1Jnv其中第i行第j列的元素& =C^X2)1/2’\ 为谱矩阵V的第i行第i列的元素；9)采用k均值聚类算法，将归一化谱矩阵Y的各行聚为K类，得到聚类标签向 量C = {C, }二，其中C1表示第i个流形吗被分割为第C1类，Cie{l，2，...K};10)将图像中有相同标签的流形分配同一种颜色，输出分割后的图像。本专利技术与现有基于Nystrom逼近的谱聚类应用于图像分割方法相比具有如下优占.^ \\\ ·1.本专利技术采用分水岭算法预分割图像得到流形集，比Nystrom随机选择样本点稳定，因此本专利技术能够得到稳定的分割结果。2.本专利技术采用了流形距离度量两个流形之间的距离，根据流行距离计算相似度 矩阵，不需要人为设置尺度参数。3.本专利技术的相似度矩阵是一个稀疏矩阵，特征分解时耗费的时间短，因此本发 明的分割效率高。附图说明图1是本专利技术的流程图2是本专利技术仿真试验中使用的原始测试图像sea、airplane和fox ；图3是现有基于Nystrom逼近谱聚类方法和本专利技术在三幅测试图像上的分割结^ ο具体实施方式参照图1，本专利技术的实现步骤包括如下步骤1，提取输入图像的融合特征。(1.1)输入一幅图像，提取该图像在Luv颜色空间的颜色特征，所有像素点的颜 色特征构成一个大小为N*3的矩阵{&，fu，fv}，其每一行代表一个像素的颜色特 征，N表示该图像的像素点数，&、fu、^分别表示Luv颜色空间的亮度分量L、色度坐 标分量u和色度坐标分量ν的特征；(1. 采用三层小波分解，在每个像素点上获得10维的纹理特征，所有像素点的 纹理特征构成一个大小为N*10的矩阵Fw= {f1; f2，…，f10},其每一行代表一个像素点 的纹理特征， 表示第i维纹理特征i = 1，2...10本文档来自技高网...
【技术保护点】
一种利用流形谱聚类进行图像分割的方法，包括如下步骤：１）输入一幅图像，在Ｌｕｖ颜色空间中获得该图像的颜色特征Ｆ↓［Ｃ］＝｛ｆ↓［Ｌ］，ｆ↓［ｕ］，ｆ↓［ｖ］｝，并提取图像的十维小波纹理特征Ｆ↓［Ｗ］＝｛ｆ↓［１］，ｆ↓［２］，．．．，ｆ↓［１０］｝，采用特征融合的方法将颜色特征与小波纹理特征进行融合，得到图像的融合特征Ｆ＝ａＦ↓［Ｃ］＋ｂＦ↓［Ｗ］，其中Ｆ的每一行表示一个像素点的特征，ｆ↓［Ｌ］、ｆ↓［ｕ］、ｆ↓［ｖ］分别表示Ｌｕｖ颜色空间的亮度分量Ｌ、色度坐标分量ｕ和色度坐标分量ｖ的特征，ｆ↓［ｉ］表示小波纹理特征Ｆ↓［Ｗ］第ｉ维特征ｉ＝１，２．．．１０，ａ和ｂ分别表示颜色特征和纹理特征所占的比例，且ａ＋ｂ＝１；２）采用分水岭算法将该输入图像预分割为流形集Ｍ＝｛ｍ↓［ｉ］｝↓［ｉ＝１］↑［ｎ］，将各流形所包含的所有像素点融合特征的平均值分别作为各流形的流形特征，得到流形特征集ＭＦ＝｛ｍｆ↑［ｉ］｝↓［ｉ＝１］↑［ｎ］，其中流形ｍ↓［ｉ］为分水岭算法预分割输入图像所得的第ｉ个区域，ｉ＝１，２，．．．，ｎ，ｎ表示流形集Ｍ的大小，ｍｆ↑［ｉ］为第ｉ个流形ｍ↓［ｉ］的流形特征；３）计算每个流形特征ｍｆ↑［ｉ］与其他流形特征之间的欧氏距离，依据每个流形特征ｍｆ↑［ｉ］的所有欧氏距离寻找到流形ｍ↓［ｉ］的ｋ个近邻流形，构造一个大小为ｎ＊ｎ的距离矩阵：ｄ＝［ｄ↓［ｉｊ］］↓［ｎ＊ｎ］当第ｊ个流形ｍ↓［ｊ］是ｍ↓［ｉ］的ｋ个近邻中的一个时，ｄ↓［ｉｊ］等于ｍｆ↑［ｉ］与ｍｆ↑［ｊ］之间的欧氏距离，否则为－１表示不连通，且ｄ↓［ｉｊ］＝０，其中ｉ，ｊ＝１，２，．．．，ｎ，ｋ的取值范围为５到９之间的整数，依据不同的图像人为选择不同的值，ｄ↓［ｉｊ］表示距离矩阵ｄ的第ｉ行第ｊ列元素，ｄ↓［ｉｉ］表示距离矩阵ｄ的第ｉ行第ｉ列元素；４）使用弗洛伊德算法根据距离矩阵ｄ计算各个流形之间的最短路径，得到大小为ｎ＊ｎ的流形距离矩阵：Ｄ＝［Ｄ↓［ｉｊ］］↓［ｎ＊ｎ］，其中Ｄ↓［ｉｊ］为第ｉ个流形ｍ↓［ｉ］与第ｊ个流形ｍ↓［ｊ］之间的最短路径，其中Ｄ↓［ｉｊ］表示流形距离矩阵Ｄ中第ｉ行第ｊ列元素；５）构造大小为ｎ＊ｎ相似度矩阵：Ｗ＝［Ｗ↓［ｉｊ］］↓［ｎ＊ｎ］，其中第ｉ行第ｊ列的元素Ｗ↓［ｉｊ］＝１／１＋Ｄ↓［ｉｊ］，（ｉ≠ｊ），对角线元素为０，且当Ｄ↓［ｉｊ］＝－１时Ｗ↓［ｉｊ］等于０；６）计算度矩阵Ａ＝［Ａ↓［ｉｊ］］↓［ｎ＊ｎ］，其中第ｉ行第ｉ列的元素Ａ↓［ｉｉ］＝＊Ｗ↓［ｉｊ］，其它元素为０，并计算归一化拉普拉斯矩阵Ｌ＝Ａ↑［－１／２］ＷＡ↑［－１／２］；７）对归一化拉普拉斯矩阵Ｌ进行特征分解，并取该Ｌ的前Ｋ个最大的特征值对应的特征向量构造谱矩阵：Ｖ＝｛ｖ↓［１］，ｖ↓［２］，．．．，ｖ↓［Ｋ］｝，其中Ｋ为人为设定的图像分类数，ｖ↓［ｉ］为Ｌ的第ｉ个特征向量ｉ＝１，２，．．．Ｋ；８）计算归一化谱矩阵Ｙ＝［Ｙ↓［ｉｊ］］↓［ｎ＊ｎ］，其中第ｉ行第ｊ列的元素Ｙ↓［ｉｊ］＝Ｖ↓［ｉｊ］／（＊Ｖ↓［ｉｊ］↑［２］）↑［１／２］，Ｖ↓［ｉｊ］为谱矩阵Ｖ的第ｉ行第ｉ列的元素；９）采用ｋ均值聚类算法，将归一化谱矩阵Ｙ的各行聚为Ｋ类，得到聚类标签向量Ｃ＝｛ｃ↓［ｉ］｝↓［ｉ＝１］↑［ｎ］，其中ｃ↓［ｉ］表示第ｉ个流形ｍ↓［ｉ］被分割为第ｃ↓［ｉ］类，ｃ↓［ｉ］∈｛１，２，．．．Ｋ｝；１０）将图像中有相同标签的流形分配同一种颜色，输出分割后的图像。...
【技术特征摘要】
【专利技术属性】
技术研发人员：郑喆坤，刘娟，沈彦波，焦李成，尚荣华，李阳阳，马文萍，王爽，公茂果，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：87
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。