[发明专利]图像分割方法及图像检索方法

说明书

技术领域

本发明涉及图像技术领域，特别是涉及图像分割方法及图像检索方法。

背景技术

SC算法(具体参见Cheng M M,Zhang G X,MitraN.J.,et al.Global contrast based salient region detection[J].IEEE Transactions on Pattern Analysis and Machine Intelligence,2015,37(3):409-416)是一种基于显著性的图像分割算法，该算法根据显著图将置信度非常高的非显著性区域中的像素作为背景像素，将置信度非常高的显著性区域中的像素作为前景像素，然后迭代地调用GrabCut算法(具体参见Rother C,Kolmogorov V,Blake A.“GrabCut”:interactive foreground extraction using iterated graph cuts[J].ACM Transactions on Graphics,2004,23(3):309-314.)来精准分割显著性目标区域。然而，这种算法存在一个明显的缺点：SC算法倾向于处理包含单个显著性目标的图像，如果对包含多个显著性目标的图像进行处理时，SC算法仅能分割出其中一个显著性目标。由于采用显著性检测算法，例如HS算法(具体参见Yan Q,Xu L,Shi J,et al.Hierarchical saliency detection[C].IEEE Conference on Computer Vision and Pattern Recognition,2013:1155-1162.)在提取一幅图像的显著图时，图像中不同区域的显著性分配是不一样的，而SC算法在根据图像显著性信息分割目标时，通常会将显著性较高的目标区域作为SC算法的前景像素，显著性稍低的目标区域往往会被归类到背景像素，因而导致只有显著性最高的目标被分割出来。

在当前图像搜索引擎中，比如百度图像检索引擎，通常提取图像的整体特征来检索图像。从技术角度来讲，这种做法是合理的，而从应用角度来说则可能无法满足人们的多种实际需求。对于一幅图像，不同的人可能关注图像不同的区域，即他们的兴趣目标可能不一样。例如，图1展示了一幅常见的图像，可知，对于这幅图像，有些人感兴趣的目标为穿蓝色衣服的小男孩，他们可能想检索类似小男孩的图像；有些人感兴趣的目标为小男孩身旁的小黄狗，他们可能想要识别这是一只什么种类的狗；甚至有些人的兴趣目标为背景部分(此时需要广义地理解兴趣目标)，他们可能想要检索类似背景作为电脑屏保。我们将这幅图像上传至百度图像搜索引擎进行检索识别。百度图像搜索引擎返回的前16幅图像结果如图2所示。(可以理解，这些结果只是用来示例，不排除百度图像搜索引擎由于某些原因，比如算法改进，对搜索结果进行改变)可以看出，这些返回的图像中，一部分图像与小男孩有关，另一部分与狗相关，甚至还有些与查询图像完全无关的图像。显然，这样的检索结果并不符合用户的检索需求。换句话说，百度图像搜索引擎并不能够准确地理解用户的兴趣目标，而且针对这类查询图像，搜索引擎一般也不可能会知道用户的兴趣目标是什么。因此，搜索引擎只好将与查询图像相关的图像全都返回给用户，从而导致用户的体验效果较差。

在百度图像搜索引擎中，如果用户对检索结果不满意，可以使用搜索引擎提供的手动框选图的功能。该功能可以让用户手动框选出图像中需要识别的区域，然后搜索引擎仅根据框选的区域进行识别与检索，从而在一定程度上满足了用户各种实际需求。然而，在使用手动框选图的功能时，用户需要花费较多的时间框选他们想要检索的区域，而且有些区域(如背景区域)也很难通过手动框选出。显然，对于用户来说，这样的操作不够方便。

发明内容

基于此，有必要针对SC算法不能分割多个显著性目标的问题，提供一种可以分割多个显著性目标图像分割方法。

同时，针对现有的图像检索方法不能解决用户多种不同的图像检索任务，提供一种可以解决用户多种不同检索任务且操作方便的图像检索方法。

一种图像分割方法，包括：将图像处理为图像显著图；用SC算法从图像显著图中提取显著性目标区域；判断用SC算法从图像显著图中提取显著性目标区域的次数是否小于等于预设值；若是，将图像显著图中显著性目标区域的显著性值置为0，继续返回到SC算法从图像显著图中提取显著性目标区域。

上述图像分割方法，利用迭代调取用SC算法，依次获取不同的显著性目标区域，从而实现分割多个显著性目标。