图像分割方法技术

本发明专利技术涉及照片及视频图像的处理。针对从较粗糙到较精细的N个图像细节级别搜索代价函数的最小值，并且在每个图像细节级别上将该图像划分为多个区域；通过η次连续迭代为每个区域指定一个单一分割值，此后对于不同类型的图像分割为这些区域边界处的接缝计算代价函数的值，并针对每个区域选择一个分割值，该分割值使得这些接缝和数据的代价函数之和为最小。此外，为了避免在作为图像中噪音的结果由围绕任何局部区域的接缝的高代价所造成的、在这些局部最小值之一中搜索全局最小值的过程中发生暂停（冻结），在这些代价函数之和中以接缝函数的一个减小的输入值在每个细节级别上执行若干次参比迭代。其技术结果就是极少使用一个移动装置的内存资源的图像分割，而同时既维持了对图像噪音的抵抗力也维持了运行速度。

【技术实现步骤摘要】
【国外来华专利技术】图像分割方法
本专利技术涉及照相和视频成像领域，具体地说，在带有集成照相和摄像机的移动装置的帮助下，可用于例如改进取自若干个输入帧的生成图像的质量。
技术介绍
通常，由于在不同的时刻会发生若干个输入帧(快照)的曝光，因此在各个帧之间构建场景过程中会发生失真现象，这体现在移动(不稳定)对象的不同配置和场景照明条件的变化(例如由于云量发生变化)中，这将影响所得图像的质量，并体现在：-不稳定对象出现双重轮廓，且在某些情况下，图像中出现双倍数量的移动对象-不稳定对象出现半透明效果-图像各区域出现明显的亮度或色彩平衡不规则当前，通过移动装置的帮助来改进图片质量的方法之一在于，在一个短的时间期间内拍摄若干个帧，随后通过缝合若干个图像，将其合并成单一的所得相片(创建具备动态范围得到增强且图像噪声水平得到降低等特征的全景图像)。在此过程中，缝合应该以接缝通过相邻初始图像中差异最少的轨迹并绕过不稳定对象的方式进行。一种用于确定最优接缝轨迹的普遍的方法使用各种图像分割方法[AlexanderVezhnevets，OlgaBarinova，“图像分割方法：自动分割”，《计算机图形与多媒体》，第4(4)期/2006：http://cgm.computergraphics.ru/content/view/147]。图像分割与缝合最适用于在以下情况下从若干个初始图像创建一个图像：-基于若干次拍摄创建全景图像，其中每次拍摄仅描绘全景图的一部分-基于若干个动态范围较低的初始图片创建动态范围较高的图像借助于分割，存在多种方法用于改进图像的质量。集群技术方法使用被指定至某个特征空间的像点表示，且此特征空间引入了度量规格(对接近程度的度量)。此方法的缺点在于，完全未考虑或间接考虑到点的空间安排(例如，将点坐标用作特征之一)。这也是在对像点进行集群之后通常要执行定义连接组件的过程的原因。同时，集群技术方法不能较好适用于有噪音的图像：通常会丢失单独的区域点、创建若干个小区域等。区域生长方法[A.Tremeau与N.Borel，“颜色分割的区域生长和合并算法”，《模式识别》，1997；Y.Kanai，“使用强度和彩色信息进行图像分割”，《SPIE–可视通信与图像处理》98；B.Cramariuc、M.Gabbouj与J.Astola，“基于集群技术的彩色图像分割区域生长算法”，《数字信号处理国际会议》，1997；及Y.Deng、B.S.Manjunath与H.Shin，“彩色图像分割”，CVPR1999]直接考虑了点的空间安排。首先，根据一定的规则选择区域中心，同时满足特定标准的临近点在各个阶段将添加到这些区域中心。直到所有像点都已添加到这些区域中的任一个上，该区域生长过程停止。基于某个点是否添加到某个区域使用不同的标准：某个点距离某个区域中心的接近程度、距离在上一步已添加到某个区域的临近点的接近程度、根据某些区域统计得出的接近程度、从某个点到某个区域中心的最短路径的代价，等等。在大多数情况下，该区域生长过程用于覆盖单独的区域。然而，针对若干个区域逐步或同步执行此过程，可获得整个图像的分区。此方法的缺点在于，其不适用于接缝缝合任务；仅适用于只存在一个参比图像的场合。另外，其需要消耗移动装置上的大量存储资源。并且，数据处理不够快速。分割合并方法[A.Tremeau与N.Borel，“颜色分割的区域生长和合并算法”，《模式识别》，1997；B.Cramariuc、M.Gabbouj与J.Astola，“基于集群技术的彩色图像分割区域生长算法”，《数字信号处理国际会议》，1997；M.Celenk，“纹理图像分割的层级色彩集群”，《第29届系统理论东南讨论会会议录》，1997]；[S.Ji与H.W.Park，“基于区域相干性的彩色图像分割”，《ICIP会议录》98；L.Shafarenko、M.Petrov与J.Kittler，“随机纹理彩色图像的自动分水岭分割”，《图像处理IEEE交易》，1997；及M.Barni、S.Rossi与A.Mecocci，“低层级图像分割的模糊专家系统”，EUSIPCO–96]包含两个主要的阶段：分割与合并。分割开始于对某个图像进行分区，但未必分成均匀的区域。在找到满足分割块均匀性要求的分区图像之前，区域分割过程将一直执行下去(过度划分)。当某个图像分区获得最大尺寸的均匀区域时，类似相邻分割块便实现统一。这些方法的缺点在于，数据处理速度低下、对存储资源的需求增加，以及仅适用于单一参比图像。马尔可夫场模型方法[G.R.Cross与A.K.Jain，“马尔可夫随机场纹理模型”,《模式分析与机器智能IEEE交易》，1983；S.German与D.German，“随机性松弛、吉布斯分布和图像贝氏恢复”，《模式分析与机器智能IEEE交易》，1984；R.Szeliski、R.Zabih、D.Scharstein、O.Veksler、V.Kolmogorov、A.Agarwala、M.Tappen、C.Rother，“马尔可夫随机场与基于平滑度的先前技术的能量最小化方法对比研究”，《模式分析与机器智能IEEE交易》，卷30，第6期，2008年6月]基于以下假设：图像每个点的颜色取决于特定数量的临近点的颜色。对图像模型进行了汇总。也可以对纹理分割进行汇总[Y.Deng、B.S.Manjunath与H.Shin，“彩色图像分割”，CVPR1999]。此方法的缺点在于其实施困难。基于边缘检测运算符的方法[M.Jacob、M.Unser，“使用类Canny标准针对特征检测设计可操纵的筛选器”，《模式分析与机器智能IEEE交易》，卷26，第8期，第1007–1019页，AtillaOzmen与EmirTufanAkman，“使用可操纵的筛选器和CNN的边缘检测”，2002]采用的分割方法在于寻找区域边界，其对半色调图像表现良好。半色调图像被视为两个变量的函数，且假定区域边界对应于此函数梯度的最大值。为寻找这些最大值，使用了微分几何。为改进对噪声的抵抗力，在筛选之前通常对图像进行模糊化处理。鉴于拉普拉斯运算符和高斯筛选器的可交换性，可同步执行模糊化处理和边界寻找。此方法的缺点在于欠缺对图像噪声的抵抗力。而且，由于边界的限定相对每个任务都不同，因此有必要在每次应用边界寻找方法时选择一种筛选结果修订方法。优化方法[Y.Deng、B.S.Manjunath与H,Shin，“彩色图像分割”，CVPR1999]包含将一个图像分区成均匀的区域，将分区变成一次优化任务。针对此方法，分割任务被描述为搜索具备某些质量的图像的分区，然后引入一个函数，该函数反映满足所提出要求的结果分割的均匀度。例如，引入一个分割质量函数，该函数使用一个图像上的色彩分布。这些方法的缺点在于费力，并且对移动装置的资源要求高。所有这些方法的共同缺点在于：-鉴于这些方法(区域生长法、分割-混合、边缘检测)仅可作用于一个参比图像的事实，所获得的分割不适于缝合任务-对系统资源的要求不适于移动装置，即计算单元的存储和运行速度(集群技术方法、区域生长、分割-混合、马尔可夫随机场、图论方法、优化方法)-对噪声图像的处理效果不好(集群技术方法、边缘检测)-未考虑点的空间安排(集群技术)本文档来自技高网...

【技术保护点】
一种图像分割方法，包括搜索代价函数的最小值，其中：该搜索是针对N个图像细节级别进行的，从较粗糙到较精细；在各图像细节级别，所述图像被划分（分割）为多个区域；通过n次连续迭代，为各区域指定一个单一分割值；在每次迭代过程中，针对不同版本的图像分割，计算区域边界处的接缝的代价函数的值；针对每个区域，选择一个分割值，该分割值使得这些接缝和数据的代价函数之和最小。

【技术特征摘要】
【国外来华专利技术】2011.08.15 RU 20111342041.一种图像分割方法，该方法包括对接缝和数据的代价函数中的最优项进行搜索，其中：该搜索是针对N个图像细节级别进行的，从较粗糙到较精细；在各图像细节级别，所述图像被分割为多个区域；通过在每个图像细节级别执行n次连续迭代，为各区域指定一个单一分割值；每次迭代包括：针对不同版本的图像分割，为在区域边界处的接缝计算代价函数的值；针对每个区域，选择一个分割值，该分割值使得接缝和数据的代价函数之...

【专利技术属性】
技术研发人员：德米特里·瓦莱里维奇·施穆克，
申请(专利权)人：德米特里·瓦莱里维奇·施穆克，
类型：发明
国别省市：俄罗斯;RU