[发明专利]基于改进小波聚类的彩色图像分割方法

说明书

本发明公布了一种基于改进小波聚类的彩色图像分割方法。首先提取图像主结构，然后将图像划分为若干超像素，提取超像素颜色特征并计算超像素权重用以构建加权图像，对加权图像进行小波聚类，最终得到彩色图像的分割结果。实验表明，利用改进小波聚类方法分割彩色图像，其分割效果优于Ncut、JSEG和SAS分割算法，运行时间约为2s。实验证明了改进小波聚类在彩色图像分割领域的有效性，拓展了小波聚类方法在彩色图像分割领域中的应用，进一步强调了在彩色图像分割领域中使用聚类方法的必要性。

技术领域

本发明涉及图像分割领域，具体为一种基于改进小波聚类的彩色图像分割方法。

背景技术

图像分割是根据图像的某些特征将图像分割成有意义且具有相同性质的若干不相交区域的过程。基于聚类方法的图像分割问题，即为解决具有相似性质的图像基元分类的问题，是后续图像处理和图像分析的关键步骤，也是图像理解和计算机视觉的重要课题。

彩色图像提供了更多更复杂的信息，对于彩色图像的分割是图像处理中的难题之一。近年来基于超像素的彩色图像分割方法已经进行了大量的工作，其中基于区域生长以及聚类的彩色图像分割方法，因其可以得到较好的分割结果而受到了广泛的关注和研究。超像素聚类方法(Segmentation by Aggregating Superpixels，SAS)更多的考虑了超像素之间的空间关系，具有较好的算法鲁棒性，但是有时会导致过分割的现象。Normalized Cut(Ncut)方法从图论的角度看待图像分割问题，使用归一化准则衡量超像素之间的相似程度，并将这种相似程度作为超像素合并的依据，但受到归一化准则的影响，有时会强行分割一致性好的区域。J-SEGmentation(JSEG)方法通过颜色量化和空间性来分割图像，实施过程中同时考虑了图像的颜色以及纹理信息，但是分割过程过于复杂。

聚类分析作为一种无监督学习过程，以数学的方法度量对象之间的相似程度，将具有相同性质的对象划分为一类，使得簇内相似性高且簇间相似性低。其中，小波聚类同时具有网格聚类和密度聚类的优点：无需指定簇类个数并且可以发现任意形状的簇。弥补了基于密度的聚类方法中具有较高复杂度的缺点，具有线性的时间复杂度。但是，基于小波聚类的图像分割方法导致大量部分体积效应(Partial Volume Effect，PVE)。部分体积效应最初在医学领域提出，是由于医学成像装置有限的空间分辨率导致的单个图像体素(Voxel)可能包含几种类型的组织的现象。在基于小波聚类的图像分割方法中，当网格跨越边缘的时候，就自然地诱发了PVE效应，使用小波聚类直接进行图像分割，产生的图像分割结果难以准确确定边缘，极大地影响了图像分割质量，限制了小波聚类在图像分割领域中的应用。

发明内容

针对上述背景技术中提出的问题，提出了基于改进小波聚类的彩色图像分割方法，首先对图像进行主结构提取，去除冗余的图像细节，突出图像边缘，得到纹理抑制平滑的主结构图像；随后将主结构图像过分割为若干超像素，解决基于小波聚类的图像分割方法中容易出现PVE现象的问题；计算超像素的权值并处理超像素特征，得到超像素加权图像；结合超像素加权图像提出改进小波聚类算法对图像进行分割，解决了小波聚类中簇类精度不高的问题。最后，将聚类结果映射回原图像空间，得到图像分割结果。算法主要贡献为将改进小波聚类用于彩色图像分割领域，使小波聚类方法能应用于彩色图像分割问题，实施图像分割。

一种基于改进小波聚类的彩色图像分割方法，具体步骤如下：

步骤1：图像主结构提取，利用公式(1)～公式(4)给出的主结构提取算法提取原始彩色图像I的主结构，去除原始彩色图像I中的冗余信息，得到主结构图像，定义所述主结构图像的像素个数为M；