[发明专利]一种基于全局能量函数优化的图像层次提取与编辑方法

权利要求书

1.一种基于全局能量函数优化的图像层次提取与编辑方法，其特征在于，该方法包括：

S1：对图像进行超分割得到若干超分割区域，提取各区域中有关层次关系的局部特征，并用局部特征进行前景-背景关系和同层合并关系的判断；

S2：在判断结果的基础上建立一个全局能量函数，并用改进的差分进化算法求解该函数从而得到最终的层次关系；

S3：根据图像的层次关系，编辑所有层次间的偏序关系，当原有的偏序关系发生改变时，对原图像中被遮挡的层次进行轮廓填充和颜色填充；

所述局部特征包括T角点特征、边缘特征、显著性特征、颜色特征和纹理特征；

步骤S1具体包括：

S11：用图像分割算法对图像进行超分割，得到图像的超分割区域；

S12：提取图像中的T角点，计算各T角点周围三条边缘的位置关系和张角大小，判断T角点的头部和尾部，进而对T角点周边的三个区域做出前景-背景关系判断；

S13：在每条边缘上抽取多个采样点，计算每个采样点的大小特征、方向特征和凸性特征，以此判断该采样点两侧区域的前景-背景关系，从而根据每条边缘上所有采样点的判断结果，得到每条边缘两侧区域最终的前景-背景关系；

S14：计算每个超分割区域的显著性，通过比较两个区域的显著性来做出前景-背景关系的局部判断；

S15：先在HSV颜色空间中对颜色相近的超分割区域进行聚类，同时利用灰度共生矩阵得到每个区域的纹理特征向量，将有着相近颜色和纹理的超分割区域判断为同一层。

2.根据权利要求1所述的方法，其特征在于，所述图像分割算法为伯克利分割算法。

3.根据权利1所述的方法，其特征在于，步骤S2具体包括：

S21：根据得到的局部判断信息，建立全局的能量函数；

S22：采用改进的差分进化算法求解该能量函数优化问题；

S23：将求解得到的各区域的相对深度转化为图像的层次信息从而得到原图像的层次关系。

4.根据权利要求3所述的方法，其特征在于，所述建立全局能量函数，具体包括：给每个超分割区域赋予一个相对深度，所有区域的相对深度组成的向量作为能量函数的自变量，能量函数的因变量用来衡量图像中层次偏序关系的冲突大小。

5.根据权利要求3所述的方法，其特征在于，所述采用改进的差分进化算法求解该能量函数优化问题，具体包括：采用混合进化的策略产生新的解，同时用模拟退火的思想更新旧解，且每隔固定的代数，对种群中较优的解进行克隆复制和高斯变异。