[发明专利]一种基于层次区域合并的多尺度图像分割方法

权利要求书

1.一种基于层次区域合并的多尺度图像分割方法，其特征在于，利用多尺度图像分割方法生成多尺度分割结果，根据阈值由低到高抽取多幅分割结果，建立多尺度层次区域合并树；并对每个尺度的分割区域进行分割质量量化，利用优化算法进行全局图像层次合成；根据合成层次的结果确定分割区域的集合，依据集合生成图像的最优分割结果；

所述方法具体为：

步骤一、从多尺度分割结果集合中选取分割结果；

步骤二、构建多尺度层次区域合并模型，在全局层次范围进行层次区域合并，具体步骤为：

步骤2.1：遍历集合T中每个分割区域上级层次的所有区域，获取每个分割区域与其他所有区域的交并比，选取最大交并比的区域作为父节点区域，进而获取集合T中每个分割区域与其他分割区域之间的父子关系；

步骤2.2：以阈值最小的分割区域组合作为初始层次，根据层次区域的父子关系建立多尺度图像分割的层次区域合并树，树中的每个节点表示一个分割区域；

步骤2.3：计算各个分割区域v_i的内部颜色一致性特征f_{intra_color}、内部纹理一致性特征f_{intra_texture}和几何特征f_{geo_infor}；其中f_{intra_color}和f_{intra_texture}的值越小，说明区域内部颜色和纹理越统一，区域分割的质量越好，f_{geo_infor}避免分割区域过分割；将三种特征值相加，得到集合T中每个分割区域的分割质量分数；

步骤2.4：构建多尺度层次区域合并模型，利用动态规划方法自底向上对层次区域合并树进行分割区域组合；在层次区域合并树结构中，以节点(分割区域)v_i为根的子树，其相对于整棵层次分割树而言，最优分割区域可以是节点v_i本身，也可以是v_i节点对应的所有子节点的并集，选择取决于子节点并集与父节点之间谁能量更低；适用动态规划的框架，通过动态规划算法寻找全局最优；

步骤三、提取能量和最小的分割区域组合确定分割区域的集合标签，按照标签生成图像的最优分割结果；

所述步骤一具体为：

步骤1.1：利用多尺度图像分割方法获取数据库中每幅图的分割结果，即超度量轮廓图，根据阈值将UCM展开，得到自下而上的图像多尺度的分割集合S＝{S₁，S₂，...，S_n}；

步骤1.2：由于阈值太小，分割粒度过细不具有实际意义，为节省计算开销选取分割集合其中第n幅分割结果的区域数为且

所述步骤1.1中为节省计算量，剔除分割粒度过小的阈值，选择从层开始。

2.根据权利要求1所述的一种基于层次区域合并的多尺度图像分割方法，其特征在于，所述步骤1.2中分割集合S到集合T尺度选择的步长，即t_i到t_i+1步长应不大于