[发明专利]一种图像区域合并方法

说明书

技术领域

本发明涉及一种图像区域合并方法。

背景技术

图像分割在模式识别和图像处理中扮演着重要角色。图像分割的结果直接决定了目标跟踪、图像理解和机遇目标的图像压缩技术的性能。目前，已提出了许多图像处理方法，例如：阈值分割法、特征空间聚类技术、基于边界的分割方法、基于区域的分割方法、图分割方法等等。近年来，图分割方法越来越受到研究者的重视。图分割方法主要研究的是节点聚类问题，主流方法包括正规化割（Normalized Cut,N-Cut）和比率割（Ratio Cut,R-Cut）。但是图分割方法有两个缺点：所需存贮空间大、计算速度慢。为了克服这两个缺点，研究者提出了一种多级图像分割方法，将基于区域的图像分割方法与图分割方法相结合。例如：Yang等人提出了基于分水岭方与图论的图像分割方法；Tao等人提出了基于均值移动(Mean Shift,MS)与N-Cut的图像分割方法。

虽然这些基于区域的图像分割方法与图分割的多级图像分割方法在克服存贮空间和计算速度上具有较大优势，但是他们通常使用简单的特征（例如颜色均值）来表征图像区域。由于在多级图像分割中，图像经初级分割后得到的图像区域通常较大，用简单的特征向量无法完整的表示图像区域的特征。而研究表明：彩色直方图能够表示图像色彩分布的全局和局部特征。因此，图像的彩色直方图可以表示出更多的特征。但是，适用于模式匹配以及分类的欧氏距离、直方图相交距离、或者Bhattacharyya距离并不适用于图像区域合并。

发明内容

本发明目的在于提供一种图像区域合并方法，能够有效实现图像区域的合并。

实现本发明的技术方案：

一种图像区域合并方法，其特征在于：

图像区域A和图像区域B的颜色直方图距离通过如下方法获得，

其中，

式中，p(k)为图像区域A的颜色直方图，q(k)为图像区域B的颜色直方图，其中k=0,1,…,N_color-1，N_color表示彩色直方图所采用的颜色量化区域的个数，[A₀,A₁]为p(k)的支撑区域，[B₀,B₁]为q(k)的支撑区域，D(p,q)表示两图像区域颜色直方图之间的距离；

根据颜色直方图距离D(p,q)的大小，判断是否对图像区域A和图像区域B进行合并。

当颜色直方图距离D(p,q)＜时，可对对图像区域A和图像区域B进行合并。

本发明具有的有益效果：

本发明所提出的颜色直方图距离计算方法，充分考虑了多级图像分割中图像区域的特点，图像区域合并的正确率高，并且方法简单易行。

附图说明

图1是实施例图像；

图2是图1中A、B、C图像区域的颜色直方图。

具体实施方式

设A、B表示两个图像区域，p(k)为区域A的颜色直方图，q(k)为区域B的颜色直方图，其中k=0,1,…,N_color-1，N_color表示彩色直方图所采用的颜色量化区域的个数，[A0,A1]为p(k)的支撑区域，即：p(k)≠0若k∈[A₀,A₁]，[B0,B1]为q(k)的支撑区域，即：q(k)≠0若k∈[B₀,B₁]。定义区域A、B的直方图距离为：

其中，

公式(1)中，D(p,q)表示直方图p和q之间的距离，∩表示求集合的交集。

公式（1）表明：1）若区域A包含所有在区域B中出现的颜色，则A、B之间的直方图距离为0；2）类似地，若区域B包含所有在区域A中出现的颜色，则A、B之间的直方图距离也为0；3）若区域A不包含区域B中的任何颜色，则A、B之间的直方图距离也为1；4）若不是上述1）、2）、3）中情况，则A、B之间的直方图距离为其中K₀、K₁的取值与两个集合相交的情况有关，由公式(2)确定。

下面结合具体实施例，进一步说明本发明的有益效果。