[发明专利]基于二次限制区域生长法的图像分割方法

权利要求书

1.基于二次限制区域生长法的图像分割方法，其特征在于，包括以下步骤：

步骤1.将图像从RGB空间转换到Lab空间；

步骤2.对所述步骤1处理的图像进行第一次限制区域生长法生成初步的超像素块；

步骤3.对图像继续进行二次限制区域生长，完成对全图的超像素块划分；

步骤4.对全图超像素块的各维度进行均值计算并作记录；

子步骤4a.统计全图各超像素块内部所含的全部像素点各维度总值和像素点数量，以全部像素点各维度总值与像素点数量进行商运算，即得到超像素块各维度的均值，将其作为该超像素块的维度值；

上式中，是各个超像素块的均值，N是超像素块内的像素个数，L_i、a_i、b_i是各像素点在LAB空间的各维度值；

子步骤4b.将全图超像素块的各维度均值进行记录；

步骤5.基于隐马尔可夫模型、应用伊辛模型和高斯函数的模拟退火算法对超像素块进行归类得到最后的图像分割结果；

子步骤5a.计算各超像素块的邻接关系，确定初始区域个数、迭代次数和能量变化预定值，随机初始化种子超像素块；

子步骤5b.使用Kmeans聚类算法对所有超像素块进行聚类，并计算归类后各类的均值和标准差，并将各维度数值进行加权；

子步骤5c.根据高斯函数，计算图像的高斯能量U₁值；

上式中，ω为聚类结果，F为超像素块的样本空间，s_i为各个超像素块，是所述子步骤4b中记录的各个超像素块的均值，μ_ω是各个类的均值，σ_ω是各个类的标准差；

子步骤5d.根据伊辛模型，计算图像的先验能量U2值，并计算出此次迭代的总能量U

上式中，是势函数，ω为聚类结果，c₁,c₂,s,t为超像素块，β是马尔可夫合并代价，β值取1；

U＝U₁+U₂

全图的总能量是伊森模型先验能量和高斯函数能量的和；

子步骤5e.根据模拟退火算法的原理，计算全局能量变化，若小于能量变化预定值或达到迭代次数设置，迭代结束，保留超像素块聚类结果，否则重复子步骤5b；

子步骤5f.将所有超像素块内的各像素点标记最终聚类类别，并在图像中输出分割结果。

2.根据权利要求1所述的基于二次限制区域生长法的图像分割方法，其特征在于，所述步骤2中，进行第一次限制区域生长法生成初步的超像素块的具体实施步骤是：

子步骤2a.根据图像尺寸大小，设置种子点数和阈值；

子步骤2b.在图像横向和纵向均匀抛洒种子点，使得在同方向的任意相邻两种子点间的像素数量相同，将相邻种子点间的像素数量记为步长；

子步骤2c.各种子点以光栅扫描的顺序在以自身为中心横向步长乘纵向步长的范围内进行区域生长。

3.根据权利要求2所述的基于二次限制区域生长法的图像分割方法，其特征在于，所述子步骤2c的更具体实施过程是：

各种子点以横向步长乘纵向步长的区域为范围；临近边界区域的种子点在种子点到图像边界距离小于步长时，以图像边界为范围边界；各种子点按顺序对区域内的未被标记过的各个像素点计算距离，即，计算当前种子点到未标记像素点的距离，距离小于设定阈值的像素点，将其标记为当前种子点所在的超像素块区域；

距离选用欧式距离进行定义，

上式中，dist为欧式距离，x_i为每个种子点横向步长乘纵向步长的范围内各待测区域像素点，mean_j为各种子点像素值。