[发明专利]利用核传递进行图像分割的方法

摘要

本发明公开一种利用核传递进行图像分割的方法，解决现有方法的存储规模大、不能保持数据一致性的问题。实现步骤为：输入一幅图像，提取输入图像的颜色特征，并利用均值漂移方法获得输入图像的超像素集，计算超像素颜色特征集；利用全局k-means聚类方法在超像素颜色特征集中寻找种子点集合；采用自适应谱聚类方法更新种子点集合的标签，构造约束集合；利用核传递方法将约束集合中的约束信息传递到整个超像素颜色特征空间，获得核矩阵；由k均值方法对核矩阵进行聚类获得超像素的标签向量，输出分割结果。本发明存储规模小、可保持数据一致性，计算效率和分割精度高，可用于目标检测与跟踪，医学图像分析、网络图像检索及会议视屏监控。

主权项

1.一种利用核传递进行图像分割的方法，其特征包括如下步骤：1)输入一幅图像，在Luv颜色空间中获得该图像的颜色特征F＝{f_L，f_u，f_v}，其中F的每一行表示一个像素点的特征，f_L、f_u、f_v分别表示Luv颜色空间的亮度分量L、色度坐标分量u和色度坐标分量v的特征；2)采用均值漂移方法将该输入图像预分割为超像素集将各超像素所包含的所有像素点特征的平均值分别作为各超像素的颜色特征，得到超像素颜色特征集其中超像素s_i为均值漂移方法预分割输入图像所得的第i个区域，i＝1，2，...，n，n表示超像素集S的大小，sf_i为第i个超像素s_i的颜色特征；3)利用全局k-means聚类，把超像素颜色特征集SF聚为num_seed类，得到聚类中心集使用欧式距离按照最近邻原则在超像素颜色特征集SF中寻找与每个聚类中心对应的最近超像素颜色特征，得到种子点集合其中num_seed是人为确定的种子点的个数，c_i表示第i个聚类中心，se_i为对应于第i个聚类中心最近的超像素颜色特征，i＝1，2，...，num_seed；4)采用自适应谱聚类把种子点集合S_seed聚为N类，获得种子点标签集如果每两个种子点有相同的标签则属于must-link约束集合M，如果每两个种子点有不同的标签则属于cannot-link约束集合C，其中N为人为设定的图像分类数，sl_i表示第i个种子点的标签，sl_i∈{1，2，...，N}，i＝1，2，...，num_seed；5)使用核传递的方法将must-link约束集合M与cannot-link约束集合C中的成对约束信息传递到整个超像素颜色特征集SF中，得到大小为n*n的核矩阵K；6)采用k-means聚类方法，把核矩阵K按行聚为N类，得到聚类标签向量其中l_i表示第i个超像素s_i被分割为第l_i类，l_i∈{1，2，...，N}；7)将图像中有相同标签的超像素s_i分配同一种颜色，输出分割后的图像。