[发明专利]一种基于随机游走结合像素点周围局部结构信息的图像分割方法

权利要求书

1.一种基于随机游走结合像素点周围局部结构信息的图像分割方法，具体算法流程包括以下步骤：

S1：输入原始图像，程序读取待分割的图像；

S2：在待分割的图像中辅助涂鸦以添加分类标签并添加辅助标签节点和连结分类标签节点，所述分类标签分为背景标签和前景标签；

S3：利用像素点信息和结构张量，构成新型局部结构信息定义图论中像素点间的相似性权重函数w_ij，以表示它们间的相似程度；

S4：以马尔科夫性质在添加辅助标签节点的图像中设定随机游走者在像素节点之间的转移概率；

S5：利用组合的狄利克雷边界函数来求解随机游走者像素之间的转移概率；

S6：利用公式计算出随机游走者从无标签的节点出发到所有标签节点中的概率中的最大值；以到达标签节点概率最大为原则为每一个像素点的分配分类标签；

S7：循环至所有无标签节点都分配得到分类标签为止；对每一个像素点分配的分类标签对图像完成最终分割。

2.根据权利要求1所述一种基于随机游走结合像素点周围局部结构信息的图像分割方法，其特征在于：将要分割的图像映射成一个无向图G＝(V，E)，由节点v∈V和边界组成。每个节点v_i代表图像像素x_i，e_ij表示两个顶点v_i和v_j的连结，w_ij∈W表示两个顶点之间的相似程度，这里w_ij≥0，且w_ij≥w_ji。

3.根据权利要求2所述一种基于随机游走结合像素点周围局部结构信息的图像分割方法，其特征在于：所述相似性程度用二维高斯权函数表示，权重函数方程如下：

其中I_i和I_l是图像的像素点的RGB值或灰度值，而J_i和J_j表示局部结构信息的结构张量的尺度向量。

J_i和J_j表示局部结构信息的结构张量的尺度向量。在式中，||J_i-J_j||表示标准L₂欧式范数。

其中对于二维图像I：Ω→R²，在图像中任意某点像素的梯度向量为则该点的张量为：

而由det G＝0可知，G只有一个非零特征值，因此，张量只能描述像素点的一维结构和方向，而无法描述像素点周围的多维信息；

为了体现局部结构信息，可采用滤波技术对矩阵场数据进行平滑，将经过滤波平滑后的张量定义为结构张量，其表达式为：

其中h_σ为定义的自适应滤波函数，其形式为：

式中，r为空间频率，σ为高斯核函数的方差σ/(λ₁+λ₂)的大小决定了滤波函数的作用范围，若σ/(λ₁+λ₂)较大，说明特征值之和较大，局部结构为一致区域，则采用较大的滤波范围；反之，若σ/(λ₁+λ₂)较小，说明局部结构为边缘或角点区域，则采用较小的滤波范围，此外，参数θ表示(x，y)处的边缘方向，与较小特征值所对应的特征向量同向；

这样，基于新型的自适应各向异性滤波函数的结构张量T可写为：

在预处理阶段，首先应用前文所提的各向异性滤波函数，将图像转化到结构张量空间，然后求取每个像素点的对应结构张量的迹和一致性，获得尺度向量J(x，y)；

利用结构张量的迹trG_σ＝λ₁+λ₂来描述局部变化的强度；定义coh G_σ＝(λ₁-λ₂)²来刻画局部结构的一致性；

定义J(x，y)＝[trG_σ coh G_σ]，尺度向量J(x，y)表示了像素相邻的结构信息，具有更好的图像结构表达能力，可得随机游走算法所需的像素点间连接权重的表达形式为：

其中I_i和I_j是图像的像素点的RGB值或灰度值，而J_i和J_j表示局部结构信息的结构张量的尺度向量。

常数设置为ρ＝10^-7，控制参数设置为控制参数σ₁，σ₂通过实验取不同的值进行对比，实际结果可以设置，当图像分割实验中时，分割效果最稳定。