[发明专利]一种基于局部先验分布的交互式图像分割方法

说明书

技术领域

本发明属于图像分割技术领域，尤其涉及一种图像分割方法。

背景技术

通常的，图像在进行配准和重建前，需要对图像进行精确分割。但是现有的图像分割方法还未形成一个体系，导致各种各样的图像分割算法繁多。现有的常用的图像分割方法有阈值分割，区域增长，边缘检测，基于图论分割等。而GrabCut方法一种基于图论的方法，这种方法是在GraphCut分割算法的基础改进的方法上，利用迭代的方式求得全局的最优结果，但是这种算法存在分割时间长，复杂图像分割效果差的缺点。

GrabCut存在的技术缺陷为：分割时间长，复杂图像分割效果差。

发明内容

为了克服现有的GrabCut方法的分割时间长、复杂图像分割效果差的不足，本发明提供了一种基于局部先验分布的交互式图像分割方法，能减少图像分割所需要的时间，并提高复杂场景分割结果的精度。

本发明解决其技术问题所采用的技术方案是：

一种基于局部先验分布的交互式图像分割方法，包括如下步骤：

1)对待分割的图像进行平滑处理，去除噪声；

2)选取分割对象的局部来计算目标和背景的分布信息作为分布先验，假设原图像像素集合为I，选取计算过程如下：

2.1)选取分割对象局部图像S，将情况分为两种：

2.1.1)对于简单场景，选择分割对象的局部；

2.1.2)对于复杂场景，先增加分割对象范围框来缩小分割范围，此范围为U，再选择分割对象的局部，可用任意的闭合形状选择。

综合以上两种情况，将图像I中的像素分为四类集合：{F,B,PF,PB}，其中F是前景像素点，B是背景像素点，PF是可能的前景像素点，PB是可能的背景像素点；其中对于简单场景中存在两种像素点PB和F，p为任意像素点；

对于复杂场景，

2.2)利用相应的局部信息计算前景和背景的分布

P_p(V_p|O)＝||V_p-μ_O||_Φ

P_p(V_p|B)＝||V_p-μ_B||_Φ

其中，P_p(V_p|O)和P_p(V_p|B)为任意像素点p分别属于目标和背景的分布概率，V_p是当前显示p的像素值，μ_O是前景像素值的和的平均值，μ_B是背景像素值的和的平均值，Φ是所选择的分布模型；

3)根据现有图像建立图模型，利用最大流/最小割理算能量函数的最小值，过程如下：

3.1)先进行图构建，利用上述求得局部信息来构建图。其中图中包含两种边n-links和t-links。n-links是像素点与像素点之间相连的边，t-links是像素点分别与目标点S和T相连的边，上述得到的局部先验信息决定t-links边的赋值；

3.2)利用max flow/min cut来求解能量函数的最小值；

4)对初步分割好的图像灰度图进行边缘检测，去除多余区域，对最终得到的分割结果进一步平滑得到最终的分割结果。

所述步骤4)的过程如下：

4.1)计算每个闭合曲线的周长C判断该闭合区域是否保留；

if C>T then保留该区域

else删除该区域

其中T为阈值曲线长度；

4.2)对分割结果进行平滑，使分割结果的图像边缘平滑。由此得到最终的分割结果。

本发明的技术构想为：该方法针对GrabCut分割速度慢，复杂场景分割结果差的问题提出方法改进。首先通过滤波去除噪声信息，再选取和保留分割对象重要的局部信息，然后选择数据分布模型确定n-links的值。利用max flow/min cut求得能量函数最小值从而得到初步的分割结果，同时去除多余区域来进一步提高分割结果的精度。最后对最终结果进行平滑处理，得到边界平滑的分割结果。

本发明的有益效果主要表现在：1.通过选取局部信息直接保留重要的局部信息2.简化数据分布模型，减少计算量，提高分割速度3.针对复杂场景，分割结果精度提高，同时分割结果稳定。

附图说明

图1是基于局部先验分布的交互式图像分割方法的流程图。