[发明专利]一种图像分割方法及系统

说明书

技术领域

本发明涉及图像处理技术领域，尤其涉及一种图像分割方法及系统。

背景技术

图像分割是图像处理和分析的第一步，是图像目标识别的核心技术，同时也是图像处理中最古老和最困难的问题之一。图像分割是将图像表示为物理上有意义的连通区域的集合，也就是根据目标与背景的先验知识，对图像中的目标、背景进行标记、定位，然后将目标从背景或其他伪目标中分离出来的过程。

图像分割的方法有多种，任何基于单一特征的分割算法都只能在对该特征敏感的图像类上产生较好的分割效果，而对于该特征不适应的图像则分割的性能下降很大，因此，融合了多种特征的分割算法才能对大多数的图像均获得较为理想的分割性能。

现有技术中，采用将提取的多个全局特征组成一个高维的特征向量的方式来融合多特征的分割方法，由于每种视觉特征所占的维度不同，因此维度高的特征往往在分割中起到了主导作用，而其它特征难以发挥作用，分割的性能难以提高；采用基于词袋（Bag of words）的方式将提取的多个全局特征和局部特征组成视觉单词来融合多特征的分割方式，由于全局特征和局部特征性质不同，形成的视觉词也是明显不同的，因此，简单地将这两种视觉词直接在分割中联合起来使用并不能发挥每种特征的作用，分割的性能难以改善。由于视觉特征向量和Bag of words中各部分维数和权值的设置不当，使得特征对分割的性能无法起到应有的作用，因此，这些方式无法发挥每种特征在分割中起到的作用。

发明内容

本发明实施例提供一种图像分割方法及系统，能够更有效的融合多种特征的分割结果。

为了解决上述技术问题，本发明实施例的技术方案如下：

一种图像分割方法，包括：

对给定图像进行预分割，获得多个子区域；

按照至少两种特征分别对所述多个子区域进行合并，获得每种特征对应的子分割结果；

将所述至少两种特征对应的子分割结果表示为超图；

基于所述超图将所述至少两种特征的子分割结果进行聚类集成，获得所述给定图像的分割结果。

进一步，所述对所述多个子区域进行合并，包括：

确定每个子区域的链接区域；

计算所述每个子区域的链接区域的合并权值；

将所述每个子区域与其合并权值满足条件的链接区域进行合并。

进一步，所述确定每个子区域的链接区域，包括：

提取子区域与其邻接子区域的特征值；

根据提取的特征值，计算所述子区域与其邻接子区域之间的特征相似度；

将特征相似度大于相似度阈值，且区域面积大于所述子区域的邻接子区域作为所述子区域的链接区域。

进一步，所述计算所述每个子区域的链接区域的合并权值，包括：

根据所述每个子区域与其链接区域间的特征相似度及语义相似度评估函数，按照网页级别算法，确定所述每个子区域的链接区域的合并权值。

进一步，所述语义相似度评估函数为正态分布函数或折线函数。

进一步，所述将所述每个子区域与其合并权值满足条件的链接区域进行合并，包括：

将所述每个子区域与其合并权值最大的链接区域进行合并。

进一步，所述基于所述超图将所述至少两种特征的子分割结果进行聚类集成，获得所述给定图像的分割结果，包括：

设定最终聚类数目；

基于所述超图将所述至少两种特征的子分割结果按照所述最终聚类数目进行谱聚类集成，获得所述给定图像的分割结果。

进一步，所述设定最终聚类数目包括：

针对所述至少两种特征对应的子分割结果分别计算特征相似度；

对计算获得的特征相似度进行归一化；

将归一化后特征相似度的最小值所对应的子分割结果的聚类数目作为所述最终聚类数目。

一种图像分割系统，包括：

预分割单元，用于对给定图像进行预分割，获得多个子区域；

合并单元，用于按照至少两种特征分别对所述多个子区域进行合并，获得每种特征对应的子分割结果；

转换单元，用于将所述至少两种特征对应的子分割结果表示为超图；

分割单元，用于基于所述超图将所述至少两种特征的子分割结果进行聚类集成，获得所述给定图像的分割结果。

进一步，所述合并单元包括：

定位子单元，用于确定每个子区域的链接区域；

计算子单元，用于计算所述每个子区域的链接区域的合并权值；