[发明专利]基于改进图表示的重复物体有效分割方法

说明书

技术领域

本发明属于计算机图像处理方法，具体涉及一种基于改进图表示的重复物体分割方法。

背景技术

图像分割指的是将输入图像中的前景图像从其背景中分离出来。由于图像分割是图像处理领域的基础工作，并且在诸如模式识别、机器学习等领域有着极其重要的作用，因此很多人对此进行了深入而广泛的研究，提出了很多很优秀的分割算法。尽管如此，从任意输入图像中将有意义的前景图像完全自动且准确地分割出来仍然是非常困难的。交互技术是目前解决这一问题的有效途径。但是，无论是自动分割，还是引入交互技术，当前存在的图像分割算法多数是针对一个前景物体进行分割，而对具有多个重复物体的输入图像进行前景图像分割的研究还不是很多。

重复性在人们的生活中到处存在，比如一群鸭子、一排楼房等，所以包含重复物体的图像也很多。另一方面，人类视觉系统的一个重要功能就是对所看到的物体进行相似性和差异性的比较，从而达到识别物体的目的，以便理解周围的世界(D.W.Thompson，On Growth and Form.Dover，1992)。然而，经典的图像分割算法不适宜交互式地分割重复物体，因为在分割过程中可能需要非常多的交互，即便如此，分割结果也可能很不理想。

LazySnapping(Y.Li，J.Sun，C.-K.Tang，and H.-Y.Shum，“Lazy snapping，”ACM Transactions on Graphics，vol.23，no.3，pp.303-308，2004)算法将图割优化算法和过分割结合起来，使得算法可以根据用户的交互实时地得到分割结果。Grabcut(C.Rother，V.Kolmogorov，and A.Blake，““grabcut”：interactive foreground extraction using iterated graph cuts，”ACM Transactions on Graphics，vol.23，pp.309-314，2004)反复采用高斯混合模型对前、背景颜色进行训练，然后采用图割优化算法得到分割结果。用户交互在这两种算法中是非常关键且有效的，但是这两种算法都是针对单个物体进行分割，对于多个重复物体的分割效果并不十分理想(如图1(a)(b)所示)。

基于轮廓形状的比较，程明明等提出了一种重复物体检测算法RepFinder(M.M.Cheng，F.L.Zhang，N.J.Mitra，X.Huang，and S.M.Hu，“RepFinder：finding approximately repeated scene elements for image editing，”ACM Transactions on Graphics，vol.29，no.4，pp.83-90，2010)。当重复物体之间的形变较小时，检测效果较好；但是，当重复物体形状变化较大时，该算法无法成功检测到重复物体。

最近几年，图像的一致分割受到越来越多的重视。对图像进行一致分割指的是对两幅或者两幅以上包含相同或者相似前景物体的图像同时进行分割，从背景图像中提取出其前景物体。考虑到多幅图像中所共有的物体应该具有相同或者相近的颜色分布，可以通过直方图匹配并结合图表示对多幅图像进行一致分割。颜色直方图匹配可以采用L1范数(C.Rother，T.Minka，A.Blake，and V.Kolmogorov，“Cosegmentation of image pairs by histogram matching-incorporating a global constraint into mrfs，”in Computer Vision and Pattern Recognition，2006，pp.993-1000.)或者L2范数(L.Mukherjee，V.Singh，and C.R.Dyer，“Half-integrality based algorithms for cosegmentation of images，”in Computer Vision and Pattern Recognition，2009)，但是这两种算法在最优化过程中会带来很大的计算量。相比于对颜色直方图的错误匹配进行惩罚，匹配代价也可以通过对颜色直方图的正确匹配进行奖励得到。该方法可以将计算复杂度降低为多项式时间(D.S.Hochbaum and V.Singh，“An efficient algorithm for cosegmentation，”in Computer Vision and Pattern Recognition，2009)。

发明内容