一种权重自动选择的图像分割方法技术

一种权重自动选择的图像分割方法，属于计算机视觉、计算机图形学和图像处理等交叉领域。通过应用程序的用户接口，交互式指定部分前、背景像素。然后，建立指定部分前、背景的颜色模型，构造图和对应的能量函数。能量函数中包含在图中每个节点处定义的颜色约束和梯度约束以及调节二者的权值；图的节点可以是图像的像素，也可以是过分割原图像后的超像素。通过在图的每个节点处衡量颜色约束和梯度约束的有效性，确立该节点处的权值。最后，采用图割算法求解函数最小值，得到分割结果。本发明专利技术首次提出权值自动选择的分割方法，相比传统固定权值的方法，在同样的交互量的前提下，分割效果更好。

【技术实现步骤摘要】

【技术保护点】
一种权重自动选择的图像分割方法，其特征在于包括如下步骤：步骤一，添加前、背景线索；读入图像后，采用鼠标、触摸屏或者手写笔等输入设备，通过在图像上勾画不同颜色的线条指定部分前、背景像素；后续步骤对于该步骤中所用的前背景像素指定方式并无限制，亦可使用其它方式，例如，采用圆点指定部分前景，用方块指定部分背景；步骤二，定义前、背景颜色模型；用F表示指定的前景像素集合，B表示指定的背景像素集合；采用K?means聚类方法，对F与B中的像素或超像素颜色值分别进行聚类，得到前、背景的颜色统计模型；前景模型表示为N个前景类簇背景模型表示为M个背景类簇建议N=M=64；步骤三，定义能量函数；图像可以表示成一个无向图G＝，ν为图G中的节点集合，ε为边的集合；图G中的每个顶点i∈ν，对应图像的一个像素或过分割后的超像素；图像中除集合F和集合B中的像素外，其余像素设定属于集合U；图像分割可视为一个二元标记问题，即为集合U中的每个节点分配一个唯一的标记xi，xi∈{0,1}；xi＝0表示节点i属于背景，xi＝1表示节点i属于前景；求解上述二元标记问题，可视为求解使得以下能量函数最小化的标记集合：E(X)=&Sigma;i∈{F,B}E0(xi)+ωΣi∈UE1(xi)+Σ(i,j)∈ϵ,xi≠xjE2(xi,xj)---(1)式中，E0(xi)为强制约束项，E1(xi)为颜色约束项，E2(xi,xj)为梯度约束项，ω表示权重；E0(xi)用于强制限制已被交互式标定的像素，即属于F和B的像素不在分割过程中被重标记，其定义为：E0(xi=1)=0E0(xi=0)=∞∀i∈FE0(xi=1)=∞E0(xi=0)=0∀i∈BE1(xi)表示xi＝0和xi＝1时的代价；E2(xi,xj)用于表示相邻像素分别取不同标记时的代价；由于E0(xi)作为强制约束项不随其它能量项的强弱而变化，因此不受权重的影响；ω仅用于调节E1(xi)与E2(xi,xj)；ω越大，表示对颜色项E1(xi)的依赖越大；反之，则对梯度项E2(xi,xj)的依赖大；(1)定义颜色约束项颜色约束项E1(xi)定义为：E1(xi=1)=diFdiF+diBE1(xi=0)=diBdiF+diB∀i∈U式中，与分别表示节点i到前、背景分布之间的距离；用Ci表示节点i的颜色值，则diF=mink=1,..,64||Ci-KkF||,diB=mink=1,..,64||Ci-KkB||;(2)定义梯度约束项梯度约束项E2(xi,xj)的定义为：E2(xi,xj)=|xi-xj|λ1+||Ci-Cj||2式中，Ci、Cj分别表示节点i和节点j的颜色值，i、j为图上的相邻节点；λ是调节E1与E2值域的常数；分母中的1是为了避免零分母而设定；|xi?xj|表示E2(xi,xj)仅在xi与xj取值不同时有值；梯度反映的是相邻像素间颜色的差异；梯度越大，相邻像素颜色的差异越大，此相邻像素处在待分割对象边界上的可能性越大；反之，可能性越小；(3)自动选择权值通过分析图G中每个节点与前、背景颜色分布的距离，实现权重自动选择；对于节点i，ω的定义为：ω=1|diF-diB|≥ηω=0|diF-diB|<η式中，η为与的差值限定范围阈值；通过计算与的差值，判断像素颜色与前、背景颜色分布的差异，若差值在限定范围之内，ω＝0；若在限定范围之外，ω＝1；当ω＝0时，颜色约束项不起作用，只考虑梯度约束；当ω＝1时，颜色约束项恢复作用，像素在颜色约束和梯度约束的共同作用下进行前背景划分；步骤四，求解能量函数最小值；采用图割算法，通过最优化能量函数（1），得到最优的标记结果，即分割结果；若对分割结果不满意，可返回步骤一，继续添加前、背景线索；每添加一笔，将触发一次分割过程。FDA00003352952700011.jpg,FDA00003352952700012.jpg,FDA00003352952700022.jpg,FDA00003352952700023.jpg,FDA00003352952700027.jpg,FDA00003352952700028.jpg,FDA00003352952700029.jpg,FDA000033529527000210.jpg...

【技术特征摘要】

【专利技术属性】
技术研发人员：马伟，刘倞，段立娟，
申请(专利权)人：北京工业大学，
类型：发明
国别省市：