[发明专利]用于图像分割的方法及系统

说明书

技术领域

本发明涉及计算机视觉技术领域，特别涉及一种图像分割方法及系统。

背景技术

在图像处理技术中，图像分割是一个非常困难的问题。这是因为，对 于图像分割的问题，分割的结果是存在的，但不能保证分割的结果是唯一 的，并且不能保证分割的结果与图像正相关变化。因此，没有任何一种分 割算法能够说明其分割效果的好坏，以及算法自身的鲁棒性。

现有的图像分割方法主要包括：基于阈值的图像分割方法、区域生长 的图像分割方法、边缘特征的图像分割方法、神经网络的图像分割方法、 基于贝叶斯网络的图像分割方法等。

在现有的基于贝叶斯网络的图像分割方法中，仅仅对图像的单像素、 或者单像素邻域构成的四像素或八像素的颜色、梯度等图像特征进行预处 理得到向量，在此基础上，建立起向量的马尔可夫随机场，利用相关算法 进行贝叶斯判决，得到分割结果。这种做法对于背景结构复杂的图像的分 割效果很差。

针对上述问题，已有的一种改进方法是：首先使用低通滤波器对待分 割的图像进行平滑、滤波处理后，然后再使用上述的贝叶斯方法进行图像 分割。这种做法的缺陷是，低通滤波器的上限截止频率无法自适应，并且 得到的分割效果也不能够满足要求，尤其是当背景噪声与待分割出来的图 像特征非常相似时，分割效果更差。

因此，需要一种方法解决上述问题。

发明内容

本发明的目的旨在解决上述技术问题之一，特别是解决基于贝叶斯网 络的图像分割方法对于背景结构复杂的图像的分割效果差的问题。

为了实现上述目的，本发明一方面提出一种用于图像分割的方法，包 括以下步骤：建立所述图像的初始伊辛高斯模型(Ising Gaussian Model， IGM)；对所述初始IGM进行求解，得到初始图像分割结果；提取所述初 始图像分割结果中的前景图像块，建立前景图像块IGM，并对所述前景图 像块IGM进行求解，得到进一步的图像分割结果。

作为本发明的一个实施例，所述用于图像分割的方法进一步包括：重 复上述细化步骤，以对所述图像分割结果进一步分割直到获得所需的图像 分割结果。

作为本发明的一个实施例，所述建立图像的初始IGM进一步包括：将 所述图像分成多个图像块；提取每个图像块的特征向量，其中，图像块的 特征向量为九维特征向量，包括图像块的颜色均值、颜色方差和颜色熵， 且所述图像块的颜色均值、颜色方差和颜色熵均有红、绿、蓝三个通道； 根据所述每个图像块的特征向量之间的对应关系建立所述初始IGM。

作为本发明的一个实施例，所述根据所述每个图像块的特征向量之间 的对应关系建立所述IGM时，图像块之间的关系设定为符合伊辛模型，且 同一类别的图像块的特征向量设定为服从高斯分布。

本发明另一方面还提出一种用于图像分割的系统，包括模型建立模块、 计算模块和提取模块。所述模型建立模块用于建立图像的IGM；所述计算 模块，用于对所述IGM进行求解得到图像分割结果；所述提取模块用于从 所述图像分割结果中提取出前景图像块。其中，所述提取模块提取出前景 图像块后，将所述前景图像块发送至所述模型建立模块，建立所述前景图 像块的IGM，然后所述模型建立模块将所述前景图像块的IGM发送至所述 计算模块进行求解，得到所述前景图像块的进一步分割结果。

作为本发明的一个实施例，所述用于图像分割的系统进一步包括迭代 判定模块，所述迭代判定模块用于判定所述计算模块得到的图像分割结果 是否为所需的图像分割结果。

作为本发明的一个实施例，所述模型建立模块进一步包括图像分块模 块、特征向量提取模型和建立模块。所述图像分块模块用于将所述图像分 成多个图像块；所述特征向量提取模块用于提取每个图像块的特征向量； 所述建立模块用于根据所述每个图像块的特征向量之间的对应关系建立所 述IGM。

作为本发明的一个实施例，所述计算模块包括初始化模块和结果求取 模块。所述初始化模块用于初始化所述IGM；所述结果求取模块用于在所 述初始化之后，使用变分的EM算法对所述IGM进行求解，得到图像分割 结果。

本发明通过建立和求解图像的IGM模型对图像进行分割，并通过迭代 的方法细化分割，使得图像分割的效果更加明显，鲁棒性更好。

本发明附加的方面和优点将在下面的描述中部分给出，部分将从下面 的描述中变得明显，或通过本发明的实践了解到。