[发明专利]基于局部四元数矩特征的图像分割方法

说明书

技术领域

本发明属于多媒体信息处理的图像分割技术领域，尤其是一种可保持图像各个分量间彼此的联系性和相关性的基于局部四元数矩特征的图像分割方法。

背景技术

多年来，图像分割一直是数字图像处理技术中的一项关键技术，其目的是将图像中具有特殊意义的区域分割开来，这些区域是互不相交的，每一区域都满足特定区域的一致性。图像分割是图像分析和模式识别的第一步，在许多计算机视觉应用中发挥着重要的作用，比如目标检测和识别、图像检索等。虽然人们对图像分割技术已经做了大量的研究，但是由于图像的复杂性，还没有一种标准的分割方法适合所有不同种类的图像，因此，图像分割技术仍是目前研究的热点之一。

为了确保图像分割的准确性和速度，大量的算法及相应的改进算法被提出。彩色图像分割问题也可以看成根据像素级特征的分类问题，但是大多数提出的是针对分量提取图像像素的特征，这样就忽略了分量彼此的联系性和相关性。

发明内容

本发明是针对现有技术所存在的上述技术问题，提供一种可保持图像各个分量间彼此的联系性和相关性的基于局部四元数矩特征的图像分割方法。

本发明的技术方案是：一种基于局部四元数矩特征的图像分割方法，其特征在于按如下步骤进行：

步骤1：对彩色图像构造每个像素点                                               的局部窗口，利用四元数指数矩分解求局部窗口的矩值，构造像素的特征；

步骤2：利用二维Arimoto熵初分割，选取训练样本，创建训练集；

步骤3：利用TWSVM模型训练，像素分类，使用训练后的TWSVM模型预测剩余像素（测试集）的类标签，合并训练集和测试集的类标签向量，作为最后的图像分割结果。

所述步骤1如下：

步骤11：对于给定的一幅原彩色图像，对原彩色图像构造每个像素点部窗口，取以点为中心的局部窗口；

步骤12：计算每个局部窗口的四元数指数矩；

步骤13：通过四元数指数矩分解求彩色图像的矩值，利用四元数指数矩矩值求出幅值，选取（0，0）（0，1）（1，0）（1，1）四个矩值作为像素级特征，且窗口大小为，阶数为3。

所述步骤12如下：

步骤121：假定为极坐标下的彩色图像，则根据传统灰度图像的指数矩定义及四元数理论，定义四元数指数矩如下：

其中，是一个单位纯四元数，在此选择，为径向基函数，且有；

步骤122：提取彩色图像的R、G、B三个分量，分别计算其指数矩，将表示取复数p的实部，表示取复数p的虚部，则四元数指数矩分解可以表示为：

其中，

步骤123：对于彩色图像函数，计算出它的四元数指数矩后，可以利用有限个（设最高阶为n_max、最大重复度为m_max）四元数指数矩来近似重构彩色图像函数，极坐标系下利用有限个四元数指数矩近似重构彩色图像函数的表达式为：

。

所述步骤2如下：

步骤21：定义一个以（x，y）为中心大小为窗口W_xy，在位置（x，y）像素的平均灰度级为：

其中，是位于（x，y）的像素对于V分量的灰度级，设图像的灰度级分为L级，为取整函数，局部窗口的像素的平均灰度级取值范围为0~L-1；

步骤22：像素的灰度级对（m，n）是由灰度级m和平均灰度级n组成的，设为V分量的灰度级对数目，那么定义二维联合概率密度为：

步骤23：设区域0和区域1的概率分别为和，可以表示为：

步骤24：二维熵的目标和背景（即区域0和区域1的二维Arimoto熵）可以分别写成如下形式：

其中是不为1的正常数（此处为0.1）；

步骤25：利用Arimoto熵的准可加性，使用如下判别函数：

步骤26：当判别函数达到最大时可求得最佳阈值，即：

。

所述步骤3如下：