[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

说明书

技术领域

本发明具体涉及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。

背景技术

现有技术存在的不足是：

(1)现有的图像分割算法，分割局限性大，适用范围不广，对不同对象的分割效果欠佳。如现有的随机游走图像分割算法只适合分割对象明显的、轮廓清晰的图像，而对于具有凌乱的、复杂的、边缘结构纹理信息复杂的图像分割效果不好。

(2)现有的随机游走图像分割算法，对局部结构信息丰富的图像、对象边界特征不明显的图像和纹理信息复杂的图像进行分割时，其图像分割的分割效果不佳，分割结果往往不准确。

(3)现有的图像分割算法，对待分割图像中含有细长和尖细部分的待分割对象的图像的分割结果不准确，无法满足包含有细长部分的图像分割。利用现有的图像分割方法对待分割图像中含有细长的部分的分割对象进行分割时，经常出现欠分割的现象。

现有算法导致以上不足的原因有：

(1)传统的随机游走算法只计算了无标签像素点到标签节点的概率。现有的随机游走图像分割算法未考虑添加辅助标签，从而在计算各个像素点到达标签点概率时，像素点的分类标签的依据不够充分，导致图像分割的效果不好，鲁棒性不高。尤其是在分割含有复杂细长分割对象的图像时，传统的随机游走算法容易产生欠分割的现象。

(2)现有的图像分割技术在图论理论中都只强调和考虑了图像的像素点的颜色和灰度信息，而未考虑图像当中像素点周围的局部结构信息，这导致了在分割含有丰富结构信息的纹理图像时，分割效果不佳。尤其对于轮廓边缘具有复杂局部结构的分割对象，其分割结果往往不准确。采用现有的随机游走图像分割技术得到的纹理图像分割结果不够好。

(3)当分割对象含有细长部分时，现有的随机游走图像分割技术分割算法种子标签设置未能满足其精确分割的要求。且现有的随机游走图像分割技术在利用狄利克雷边界问题计算无标签的像素节点到标签种子点的转移概率时，仅仅考虑了单一形式的类别标签节点，未能很清晰准确地描述像素点分类依据。这导致了图像计算像素点最终分配标签的概率不够准确，尤其对于分割对象含有细长部分的图像，传统的随机游走图像分割算法因为分割对象的细长部分周围标签节点有限而会产生欠分割的结果。

综上所述，现有随机游走图像分割算法未能满足对结构信息复杂、边缘轮廓结构复杂和分割对象中包含细长部分的图像精确分割的要求。

其原因概括为：

1、传统的随机游走图像分割算法原设置的分类标签种子标签形式单一，像素点的分类标签的依据不够充分，导致图像分割的结果不够准确，具体表现无法满足对分割对象含有细长部分的准确分割要求；

2、现有的图像分割技术在图论对像素节点间的相似程度描述时，仅仅依据单一的像素颜色或者灰度信息，未充分考虑其像素点周边的结构信息，因此现有的随机游走图像分割方法不能准确分割边缘结构复杂的图像。

发明内容

本发明的目的在于提供一种一种高准确性、善于处理局部复杂结构图像的图像分割算法，以解决背景技术中的技术问题。

为实现前述目的，本发明提供如下技术方案：

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。