一种基于加权割合并的图像层次分割方法技术

本发明专利技术公开了一种基于加权割合并的图像层次分割方法：步骤1：以图像的像素为顶点构造赋权图，构建无向权图的加权割合并的代价函数；步骤2：选取种子点，定义稀疏插值矩阵，更新与合并种子点所代表类的权值，层次迭代得到优化的相似矩阵，使原始图像在不同层次粗化，直至得到突显兴趣区域停止迭代，求解优化代价函数所表示的特征系统，得到无向赋权图中突显兴趣区域的粗分割；步骤3：针对突显兴趣区域进行从上到下扫描边界，采用的逆插值方法进行边界合并，得到图像的最优分割。本发明专利技术改进了归一化割的图像分割方法，采用了归一化割框架体系的思想，大大的提高了图像的分割效果，在子图边缘处分割效果的改进尤为明显。

【技术实现步骤摘要】

本专利技术涉及图像分割的方法，具体是，该方法应用了图谱理论。
技术介绍
图像分割是把图像分成各具特性的子区域并提取出感兴趣区域的技术。图像分割是图像处理和计算机视觉中的重点和难点。目前提出的图像分割算法非常繁多，传统的图像分割方法主要分为三类边缘检测分割、设置阈值进行分割、基于区域的分割方法。边缘检测分割通常是检测图像灰度的不连续性，将检测到的不连续边缘曲线合并为边界，这种方法非常直观有效，但由于边缘和噪声均为灰度不连续点，所以边缘检测不能区分出噪声；设置阈值进行分割是通过图像灰度直方图信息获取阈值，再将阈值与像素点的灰度逐一进行比较，分离出兴趣区域的分割方法，该方法计算简单、运算速度快，适用于兴趣区域和背 景灰度级别不同的图像，但是阈值的选择没有特定的公式依据；区域分割考虑了图像的空间性质，以区域内像素点之间的相似性质为依据进行图像的分割。基于区域的分割方法包括分割聚合分割以及分裂分割两种，两种区域分割均采用迭代的方法，运行速度比较低。基于图论的图像分割算法是近几年研究的热点，该算法考虑了图像局部特征与全局特征的关系，相比于传统的分割方法有着独特的优势。图论是离散数学的一个分支，本文档来自技高网...

【技术保护点】
一种基于加权割合并的图像层次分割方法，其特征在于，具体包括如下步骤：步骤1：以图像的像素为顶点构造赋权图，构建无向权图的加权割合并的代价函数；步骤2：图像粗化过程：选取种子点，定义顶点与种子点所代表类之间的稀疏插值矩阵，利用其更新与合并种子点所代表类的权值，层次迭代得到优化的相似矩阵，使原始图像在不同层次粗化，直至得到突显兴趣区域停止迭代，求解基于加权割合并的优化代价函数所表示的特征系统，得到无向赋权图中突显兴趣区域的粗分割；步骤3：针对突显兴趣区域，利用步骤2所得到的状态向量进行从上到下扫描边界，采用的逆插值方法进行边界合并，得到图像的最优分割。

【技术特征摘要】
1.一种基于加权割合并的图像层次分割方法，其特征在于，具体包括如下步骤 步骤I :以图像的像素为顶点构造赋权图，构建无向权图的加权割合并的代价函数； 步骤2 图像粗化过程选取种子点，定义顶点与种子点所代表类之间的稀疏插值矩阵，利用其更新与合并种子点所代表类的权值，层次迭代得到优化的相似矩阵，使原始图像在不同层次粗化，直至得到突显兴趣区域停止迭代，求解基于加权割合并的优化代价函数所表示的特征系统，得到无向赋权图中突显兴趣区域的粗分割； 步骤3 :针对突显兴趣区域，利用步骤2所得到的状态向量进行从上到下扫描边界，采用的逆插值方法进行边界合并，得到图像的最优分割。2.如权利要求I所述的基于加权割合并的图像层次分割方法，其特征在于，所述的步骤I具体包括如下步骤 O对一幅图像构造无向赋权图G = (V, E, W);其中，V是顶点集，其元素i (i =1，2，... N)称为顶点，对应于图像中的每个像素点，V= {1,2,... i,... N} ;E为边集，其元素eij (i = 1，2,. . . N, j = 1，2,. . . N)称为边,对应于图像中任意两顶点间的连线,E = {θ^·}；W为权集,其元素Wij (i = I, 2,. . . N, j = I, 2,. . . N)称为边eu的权,表示顶点i, j之间的相似程度，W = (WijI ,其中Wij的表达式如下3.如权利要求I所述的基于加权割合并的图像层次分割方法，其特征在于，所述的步骤2具体包括如下步骤步骤 200 :令 k = O...

【专利技术属性】
技术研发人员：赵祥模，刘占文，林杉，杨澜，史昕，强轲楠，周经美，白国柱，
申请(专利权)人：长安大学，
类型：发明
国别省市：