[发明专利]一种基于巴氏距离的层级式图像分割方法

说明书

技术领域

本发明涉及一种图像分割的方法，具体的说是涉及一种无监督式的、基于巴氏距离(Bhattacharyya Distance)的层级式图像分割方法。

背景技术

无监督式图像分割是指根据图像中各个像素在特征上的相似程度，将图像划分为有意义的若干个区域的过程。具体讲，就是把相似的像素归为同一个区域，从而最终把一幅图像分割为多个内部相似的区域的过程。无监督式图像分割具有很大的现实意义，因为在工、农业生产各个领域中使用的大多数视觉智能化处理系统都需要图像分割处理，比如目标识别、智能医疗诊断、智能测绘、智能遥感、多媒体、人机交互、机器人系统等。

现有的无监督式图像分割方法可以分为边界检测和区域分割两个类别。但是由于边界检测的方法在复杂环境下的精度较低，因此区域分割为目前主流的无监督式图像分割方法。

区域分割方法主要可以分为以下三类：

1、全局能量优化的方法。该类方法中常见的优化技术是根据两两像素之间的相似度，构建相似度矩阵，通过求解该矩阵的特征向量来获取最优解。但是该类方法有两个局限：(a)能量优化过程需要很大的计算量。如果一幅图像中含有n个像素，则该相似度矩阵大小为n²×n²，可见求解该矩阵的特征向量的计算量是巨大的。(b)在分割数目未知的情况下，分割精度将会急剧降低。但是，几乎在所有无监督式图像分割任务中，分割数目都是事先未知的。

2、区域成长方法。该类方法首先(随机)选取一些种子，然后围绕着每个种子，逐步合并种子周围的像素。虽然该类方法克服了全局能量优化方法计算量大的局限，但是它也有三个局限：(a)在分割数目事先未知的情况下，分割精度将会降低。(b)分割精度严重依赖于种子的选取。如果种子选取不当，例如多个种子落在了同一个相似区域内，就会降低分割精度。(c)在噪声等干扰的情况下，分割精度会降低。

3、区域合并分裂的方法。该类方法可以用多层图的方法来表示，层级式的合并当前层相似的结点，或者分裂内部不相似的结点。该类方法计算量适中。但是，该类方法仍有如下局限：(a)在层级式累积过程中，每个结点都代表着多个底层结点的累积，因此如何有效计算它们之间相似度的问题仍没有解决。(b)在分割数目未知的情况下，如何有效的在分割过程中自主决定分割数目仍没有解决。(c)由于相似度计算的局限，在噪声等干扰的情况下，分割精度会降低。

发明内容

本发明克服现有各类图像区域分割方法的不足之处，提供一种基于巴氏距离的层级式图像分割方法，在分割数目未知和有噪声干扰等情况下，可以保证图像的分割精度，且计算量小。

为了达到以上目的，本发明所采用的技术方案是：

一种基于巴氏距离的层级式图像分割方法，在结点不断合成累积的层级式图像分割过程中，使用概率化的巴氏距离来测量结点之间的相似度，其步骤如下：

(1)初始化；将输入图像作为第一层，构建一个规则化的图形；

(2)使用巴氏距离测量当前层内相邻结点之间的相似度；因为每个结点都代表着多个子层结点的累积，把每个结点的特征值看作是一个高斯概率分布，运用巴氏距离公式计算两个高斯概率分布之间的距离，得到当前层内两个相邻结点之间的相似度；

(3)从当前层结点中选取一组结点，用于构建父层；当前层即为子层，当前层结点即为子结点，选中的结点即为父结点；

(4)计算当前层中子结点与父层中父结点之间的联结度；计算策略为：父结点与子结点的联结度与它们之间在当前层的相似度成正比，同时父层中每个父结点与所有当前层中子结点的联结度之和为1；

(5)估计父层中所有父结点的特征分布；使用联结度作为权重，加权累积与该父结点相邻的所有子结点的特征分布，从而得到父结点的特征分布。

(6)为每个父结点在父层内寻找相邻结点；

(7)重复步骤(1)～(5)，直至父层的所有结点都找不到相邻结点，即已得到所有独立的区域，父层的每个结点即代表了一个区域；

(8)基于层与层之间子结点和父结点的联结度，确定第一层每个结点属于哪一个区域，最终完成图像分割任务。

所述的基于巴氏距离的层级式图像分割方法，步骤(3)中，父结点的选取策略为：针对每一个子结点，与其所有相邻子结点相比，如果该子结点拥有最大的相似度，它即被选作父结点，每个父结点用来代表与它相邻的所有子结点。