[发明专利]一种快速彩色图像分割方法

说明书

技术领域

本发明涉及一种彩色数字图像的分割方法，具体涉及一种基于聚类算法与图像金字塔相结合的彩色图像分割方法。

背景技术

图像分割在图像处理以及计算机视觉中扮演着极其重要的角色，也是图像处理的经典难题之一。它是图像分析和计算机视觉系统的重要组成部分，并决定了数字图像分析的质量和对视觉信息处理结果的好坏。由于彩色图像提供了比灰度图像更为丰富的信息，因此对彩色图像的分割处理日益受到人们的重视。目前，常用的彩色数字图像分割方法包括：直方图阈值法、基于区域的方法、基于边缘的方法、特征空间聚类方法、神经网络方法等等。其中，聚类算法将图像作为特征向量集合，把图像分割任务转化为对数据集合的聚类任务。因其原理简单、易于实现，在彩色数字图像分割中得到广泛的应用。但该类方法存在以下主要问题：

1. 如何确定聚类数目。传统聚类算法的聚类数目需要人为设定，如果聚类数目过多，则会产生过分割，如果过少，则会丢失有意义的分割区域。

2. 如何确定初始聚类中心。如果初始聚类中心选择不当，在迭代过程中会陷入局部最优，影响最终分割结果。

3. 忽略空间信息。传统聚类算法应用于彩色图像分割时，只将图像的颜色信息作为特征向量集合进行聚类分析，而忽略了图像的空间信息。

另外，聚类算法的时间复杂度为O(nkt), (n为数据对象数目，k为聚类数目，t为迭代次数)，随着数据量及迭代次数的增加，算法复杂度非线性增长，大数据量聚类分析速度显著变慢。此问题的一个解决方案是利用图像金字塔来减少聚类数据量。图像金字塔是一种以多分辨率来解释图像的有效但概念简单的结构，其最初用于机器视觉和图像压缩。一幅图像的金字塔是一系列以金字塔形状排列的分辨率逐步降低的图像集合。金字塔的底部以待处理图像的高分辨率表示，而顶部是低分辨率的近似。当向金字塔的上层移动时，尺寸和分辨率就降低。图像金字塔结构的最大优点是自下而上每一层像素数都不断减少，这会大大减少计算量；而缺点是自下而上的金字塔量化变得越来越粗糙。常用的金字塔结构包括高斯金字塔和拉普拉斯金字塔，高斯金字塔可用来获得下采样图像，而拉普拉斯金字塔则用来重建原图像。

除此之外，针对彩色图像，选择合适的颜色空间进行聚类分析对最终的分割质量也至关重要。目前，常用的颜色空间类型有：RGB、YCbCr、YUV、HSV、CIE Lab、CIE Luv等。其中，RGB、YCbCr、YUV通常应用于原始数据存储与编码标准中，但与人类的视觉感知原理不相符；CIE的颜色空间一般作为界定和测量色彩的标准，但与其他颜色空间的转化计算较复杂；HSV空间更强调人类的视觉感知，应用于图像分割时能够得到更好的分割结果，同时与其他颜色空间之间的相互转换简单。

发明内容

技术问题：针对传统聚类算法应用于彩色图像分割时存在的问题，本发明提出了一种基于聚类分析与图像金字塔相结合的彩色数字图像分割方法，该方法无需人工干预，在提高分割速度的同时，保证了分割质量。

技术方案：为解决以上问题，本发明提出的技术方案是：通过直方图分析得到初始聚类中心和聚类数目，不需人为设定；利用图像金字塔结构减少聚类数据量，从而提高分割速度；将图像的空间边缘信息与聚类分割结果相结合，得到最终的分割结果，从而提高分割质量。

本发明的快速彩色图像分割方法，包括图像金字塔构造，直方图分析，聚类分析，去除聚类结果中过小区域，聚类结果与边缘信息融合，所述的快速彩色图像分割方法包括以下步骤：

11）. 读取通过数码照相机、摄像机或数字图像设备获得的源图像，构造高斯与拉普拉斯图像金字塔，得到一幅低分辨率图像与边缘图像；

12）. 将低分辨率图像的颜色值转到HSV(Hue:色度、Saturation: 饱和度、Value:亮度)颜色空间，利用直方图分析得到聚类数目与初始聚类中心，利用聚类算法在HSV颜色空间内对低分辨率图像进行聚类分割；

13）. 对步骤12）得到的分割结果进行上采样，投影到原始分辨率，然后进行空间滤波，去除过小区域，得到初始区域分割结果；

14）. 将步骤11）得到的边缘图像与步骤13）得到的区域分割结果相结合，得到最终分割结果。

所述的构造高斯与拉普拉斯图像金字塔方法包括以下步骤：