一种基于巴氏距离的层级式图像分割方法技术

本发明专利技术涉及一种基于巴氏距离的层级式图像分割方法。在对输入图像进行层级式分割过程中，使用巴氏距离来测量结点之间的相似度，其步骤如下：测量当前层相邻结点之间的相似度；从当前层选取父结点；计算子结点与父结点之间的联结度；估计父结点的特征分布；为每个父结点在层内寻找相邻结点；重复上述步骤，直至当前层的所有结点都没有找到相邻结点；确定第一层每个结点属于哪一个区域。由于巴氏距离将两个结点看作两个概率分布，因此可以有效的测量它们之间的相似程度，由于巴氏距离在层级式累积过程中具有近似的尺度不变性，从而在相邻结点选取过程中，可以使用一个固定的阈值来判断两个结点是否是相邻结点，从而提高了自主决定分割数目的能力和抗干扰能力。

【技术实现步骤摘要】

本专利技术涉及一种图像分割的方法，具体的说是涉及一种无监督式的、基于巴氏距离(Miattacharyya Distance)的层级式图像分割方法。
技术介绍
无监督式图像分割是指根据图像中各个像素在特征上的相似程度，将图像划分为有意义的若干个区域的过程。具体讲，就是把相似的像素归为同一个区域，从而最终把一幅图像分割为多个内部相似的区域的过程。无监督式图像分割具有很大的现实意义，因为在工、农业生产各个领域中使用的大多数视觉智能化处理系统都需要图像分割处理，比如目标识别、智能医疗诊断、智能测绘、智能遥感、多媒体、人机交互、机器人系统等。现有的无监督式图像分割方法可以分为边界检测和区域分割两个类别。但是由于边界检测的方法在复杂环境下的精度较低，因此区域分割为目前主流的无监督式图像分割方法。区域分割方法主要可以分为以下三类1、全局能量优化的方法。该类方法中常见的优化技术是根据两两像素之间的相似度，构建相似度矩阵，通过求解该矩阵的特征向量来获取最优解。但是该类方法有两个局限(a)能量优化过程需要很大的计算量。如果一幅图像中含有η个像素，则该相似度矩阵大小为η2Χη2，可见求解该矩阵的特征向量的计算量是巨大的。(b)在分割数目未知的情况下，分割精度将会急剧降低。但是，几乎在所有无监督式图像分割任务中，分割数目都是事先未知的。2、区域成长方法。该类方法首先(随机)选取一些种子，然后围绕着每个种子，逐步合并种子周围的像素。虽然该类方法克服了全局能量优化方法计算量大的局限，但是它也有三个局限(a)在分割数目事先未知的情况下，分割精度将会降低。(b)分割精度严重依赖于种子的选取。如果种子选取不当，例如多个种子落在了同一个相似区域内，就会降低分割精度。(c)在噪声等干扰的情况下，分割精度会降低。3、区域合并分裂的方法。该类方法可以用多层图的方法来表示，层级式的合并当前层相似的结点，或者分裂内部不相似的结点。该类方法计算量适中。但是，该类方法仍有如下局限(a)在层级式累积过程中，每个结点都代表着多个底层结点的累积，因此如何有效计算它们之间相似度的问题仍没有解决。(b)在分割数目未知的情况下，如何有效的在分割过程中自主决定分割数目仍没有解决。(c)由于相似度计算的局限，在噪声等干扰的情况下，分割精度会降低。
技术实现思路
本专利技术克服现有各类图像区域分割方法的不足之处，提供，在分割数目未知和有噪声干扰等情况下，可以保证图像的分割精度，且计算量小。为了达到以上目的，本专利技术所采用的技术方案是，在结点不断合成累积的层级式图像分割过程中，使用概率化的巴氏距离来测量结点之间的相似度，其步骤如下(1)初始化；将输入图像作为第一层，构建一个规则化的图形；(2)使用巴氏距离测量当前层内相邻结点之间的相似度；因为每个结点都代表着多个子层结点的累积，把每个结点的特征值看作是一个高斯概率分布，运用巴氏距离公式计算两个高斯概率分布之间的距离，得到当前层内两个相邻结点之间的相似度；(3)从当前层结点中选取一组结点，用于构建父层；当前层即为子层，当前层结点即为子结点，选中的结点即为父结点；(4)计算当前层中子结点与父层中父结点之间的联结度；计算策略为父结点与子结点的联结度与它们之间在当前层的相似度成正比，同时父层中每个父结点与所有当前层中子结点的联结度之和为1 ；(5)估计父层中所有父结点的特征分布；使用联结度作为权重，加权累积与该父结点相邻的所有子结点的特征分布，从而得到父结点的特征分布。(6)为每个父结点在父层内寻找相邻结点；(7)重复步骤⑴ (5)，直至父层的所有结点都找不到相邻结点，即已得到所有独立的区域，父层的每个结点即代表了一个区域；(8)基于层与层之间子结点和父结点的联结度，确定第一层每个结点属于哪一个区域，最终完成图像分割任务。所述的基于巴氏距离的层级式图像分割方法，步骤(3)中，父结点的选取策略为 针对每一个子结点，与其所有相邻子结点相比，如果该子结点拥有最大的相似度，它即被选作父结点，每个父结点用来代表与它相邻的所有子结点。所述的基于巴氏距离的层级式图像分割方法，步骤(6)中，为每个父结点在父层内寻找相邻结点的过程如下针对每一个父结点，首先在空间邻近区域内选取一组候选相邻结点，然后运用巴氏距离测量该父结点和候选相邻结点之间的相似度；如果相似度大于阈值，该候选结点即为该父结点的相邻结点；如果一个父结点没有找到任何相邻结点，该父结点即代表了一个新的区域。所述的基于巴氏距离的层级式图像分割方法，步骤(1)中，将输入图像作为第一层，即1 = 1，构建一个规则化的图形；每个像素为一个结点，对于每个结点而言，空间相邻的8个结点为该中心结点的相邻结点；步骤O)，在当前层1内，使用巴氏距离测量相邻结点i和j之间的相似度运用巴氏距离公式计算两个高斯概率分布之间的距离，得到当前层内两个相邻结点之间的相似度，计算公式为权利要求1.，在结点不断合成累积的层级式图像分割过程中，使用概率化的巴氏距离来测量结点之间的相似度，其步骤如下(1)初始化；将输入图像作为第一层，构建一个规则化的图形；(2)使用巴氏距离测量当前层内相邻结点之间的相似度；因为每个结点都代表着多个子层结点的累积，把每个结点的特征值看作是一个高斯概率分布，运用巴氏距离公式计算两个高斯概率分布之间的距离，得到当前层内两个相邻结点之间的相似度；(3)从当前层结点中选取一组结点，用于构建父层；当前层即为子层，当前层结点即为子结点，选中的结点即为父结点；(4)计算当前层中子结点与父层中父结点之间的联结度；计算策略为父结点与子结点的联结度与它们之间在当前层的相似度成正比，同时父层中每个父结点与所有当前层中子结点的联结度之和为1 ；(5)估计父层中所有父结点的特征分布使用联结度作为权重，加权累积与该父结点相邻的所有子结点的特征分布，从而得到父结点的特征分布；(6)为每个父结点在父层内寻找相邻结点；(7)重复步骤(1) (5)，直至父层的所有结点都找不到相邻结点，即已得到所有独立的区域，父层的每个结点即代表了一个区域；(8)基于层与层之间子结点和父结点的联结度，确定第一层每个结点属于哪一个区域， 最终完成图像分割任务。2.根据权利要求1所述的基于巴氏距离的层级式图像分割方法，其特征是步骤(3) 中，父结点的选取策略为针对每一个子结点，与其所有相邻子结点相比，如果该子结点拥有最大的相似度，它即被选作父结点，每个父结点用来代表与它相邻的所有子结点。3.根据权利要求1所述的基于巴氏距离的层级式图像分割方法，其特征是步骤(6) 中，为每个父结点在父层内寻找相邻结点的过程如下针对每一个父结点，首先在空间邻近区域内选取一组候选相邻结点，然后运用巴氏距离测量该父结点和候选相邻结点之间的相似度；如果相似度大于阈值，该候选结点即为该父结点的相邻结点；如果一个父结点没有找到任何相邻结点，该父结点即代表了一个新的区域。4.根据权利要求2所述的基于巴氏距离的层级式图像分割方法，其特征是步骤(6) 中，为每个父结点在父层内寻找相邻结点的过程如下针对每一个父结点，首先在空间邻近区域内选取一组候选相邻结点，然后运用巴氏距离测量该父结点和候选相邻结点之间的相似度；如果相似度大于阈值，该候选结点即为该父结点的相邻结点；如果一个父结点没有找本文档来自技高网...

【技术保护点】
１．一种基于巴氏距离的层级式图像分割方法，在结点不断合成累积的层级式图像分割过程中，使用概率化的巴氏距离来测量结点之间的相似度，其步骤如下：（１）初始化；将输入图像作为第一层，构建一个规则化的图形；（２）使用巴氏距离测量当前层内相邻结点之间的相似度；因为每个结点都代表着多个子层结点的累积，把每个结点的特征值看作是一个高斯概率分布，运用巴氏距离公式计算两个高斯概率分布之间的距离，得到当前层内两个相邻结点之间的相似度；（３）从当前层结点中选取一组结点，用于构建父层；当前层即为子层，当前层结点即为子结点，选中的结点即为父结点；（４）计算当前层中子结点与父层中父结点之间的联结度；计算策略为：父结点与子结点的联结度与它们之间在当前层的相似度成正比，同时父层中每个父结点与所有当前层中子结点的联结度之和为１；（５）估计父层中所有父结点的特征分布：使用联结度作为权重，加权累积与该父结点相邻的所有子结点的特征分布，从而得到父结点的特征分布；（６）为每个父结点在父层内寻找相邻结点；（７）重复步骤（１）～（５），直至父层的所有结点都找不到相邻结点，即已得到所有独立的区域，父层的每个结点即代表了一个区域；（８）基于层与层之间子结点和父结点的联结度，确定第一层每个结点属于哪一个区域，最终完成图像分割任务。...

【技术特征摘要】

【专利技术属性】
技术研发人员：于元隆，
申请(专利权)人：于元隆，
类型：发明
国别省市：41