一种基于广义数据场和Ncut算法的图像分割方法技术

本发明专利技术提供一种基于广义数据场和Ncut算法的图像分割方法，首先，将特征空间划分为层次网格，第一层网格和第二层网格，同时形成与之对应的网格特征空间Ωs和Ωb，第一层每8个相邻小网格形成第二层的一个大网格；然后通过运用GDF算法基于第二层网格计算得到第一层网格的势值分布。基于势值分布，再将第一层网格进行聚类，聚类结果映射到图像上，从而实现对于一幅图像的初始分割操作，将其划分为不同的彼此不相交的区域；最后，基于图像初始分割的结果构建无向加权图后，运用基于区域的Ncut算法来合并性质相同的区域，直至达到最佳图像分割结果。本发明专利技术在图像分割上具有快速、简单、准确的优点。

【技术实现步骤摘要】

本专利技术属于图像处理
，特别涉及。
技术介绍
图像分割就是将一幅图像划分为有意义且不重合的区域，每块区域几乎具有相同的性质，这是图像处理研究中重要的环节，同时也是计算机视觉中重要的研究课题；目标检测、特征提取、目标识别都依赖准确的图像分割技术，由于图像分割技术作为图像处理中一项基础工作，因此得到了较为广泛的应用，各种分割算法相继被提出。在众多分割算法中，非参数聚类是其中最简单且应用最为广范的一种图像分割算法，非参数聚类方法大致可以划分为两类层次聚类和密度估计；层次聚类技术依据数据 点之间的距离进行分类，这样往往导致较高的计算复杂性，以及不能为数据聚类直接定义一个有意义的停止准则，这意味着不同的数据集需要设置不同的停止准则；基于密度估计的非参数聚类的基本原理是在特征空间中用经验概率密度函数描绘数据集的特征分布，特征空间中的密集区域对应密度函数的局部最大值(即顶点)，一旦确定了顶点的位置，便可以根据特征空间的局部结构确定聚类结果，例如，mean shift (MS)是一种非参数图像聚类算法，但是单独的MS算法对窗宽参数的选择很敏感，即针对不同的参数设置，该算法的分割结果有差异性本文档来自技高网...

【技术保护点】
一种基于广义数据场和Ncut算法的图像分割方法，其特征在于：包括以下步骤，步骤1、层次网格的划分以及势值估计，具体包括以下步骤，步骤1.1、将图像的RGB颜色特征空间转换为L*u*v*或L*a*b*颜色特征空间，将L*u*v*或L*a*b*颜色特征空间Ω划分为2N×2N×2N个小网格作为第一层网格，计算每个小网格内数据点的均值，并以此作为该小网格的特征值，形成一个新的特征空间Ωs；步骤1.2将八邻域小网格合并成为一个大网格作为第二层网格，形成一个新的特征空间Ωb及其相应的网格空间坐标值；步骤1.3根据势值估计公式计算第一层网格内每个小网格的势值在特征空间Ωb中，表示坐标为(ith，jth，kt...

【技术特征摘要】

【专利技术属性】
技术研发人员：王树良，李英，尹进飞，陈其良，李伟，
申请(专利权)人：武汉大学，
类型：发明
国别省市：