[发明专利]一种多尺度的图像分割方法

摘要

本发明涉及一种多尺度的图像分割方法，属于谱聚类技术的图像分割领域。本发明首先利用反对称双正交小波变换的半重构算法对待测图像的多个尺度进行边缘轮廓提取，并结合各尺度的强度和位置特征直接构建各个尺度的相似矩阵；其次对各个尺度的相似矩阵进行矩阵降采样获得各个尺度的归一化相似矩阵和降采样相似矩阵；然后构建多尺度归一化相似矩阵、降采样多尺度相似矩阵和跨尺度约束矩阵；最后利用归一化割方法实现降采样特征向量求解，并利用上采样的乘法运算和离散化处理得到最终结果。本发明分割结果的边缘更加准确；构建相似矩阵的复杂度和运算时间有效降低。

主权项

1.一种多尺度的图像分割方法，其特征在于：首先利用反对称双正交小波变换的半重构算法对待测图像的多个尺度进行边缘轮廓提取，并结合各尺度的强度和位置特征直接构建各个尺度的相似矩阵；其次对各个尺度的相似矩阵进行矩阵降采样获得各个尺度的归一化相似矩阵和降采样相似矩阵；然后构建多尺度归一化相似矩阵、降采样多尺度相似矩阵和跨尺度约束矩阵；最后利用归一化割方法实现降采样特征向量求解，并利用上采样的乘法运算和离散化处理得到最终结果；所述方法的具体步骤如下：Step1、输入一幅尺寸大小为M×N的待测图像，利用插值算法将其转变为尺寸为M×M的图像并进行灰度化处理得到灰度图像f(x,y)；其中，x,y表示坐标；Step2、利用反对称双正交小波变换的半重构算法对灰度图像f(x,y)进行n个尺度上的方向梯度模极大值边缘检测，获得n个尺度上相应的边缘检测结果M1、M2…Mn；Step3、利用n个尺度的边缘检测结果M1、M2…Mn，灰度图像f(x，y)相应尺度上的强度信息X1、X2…Xn和位置信息I1、I2…In构建n个尺度的相似矩阵W1、W2…Wn；Step4、对n个尺度的相似矩阵W1、W2…Wn分别进行以2为采样率的双次矩阵降采样，得到n个尺度上的归一化相似矩阵N1、N2…Nn和降采样相似矩阵DW1、DW2…DWn；Step5、利用n个尺度的归一化相似矩阵N1、N2…Nn和降采样相似矩阵DW1、DW2…DWn构建多尺度归一化相似矩阵Nd、降采样多尺度相似矩阵Wd；其中，多尺度归一化相似矩阵Nd和降采样多尺度相似矩阵Wd分别表示为：Step6、利用如下公式构建跨尺度约束矩阵Cd：其中，相邻两个尺度间的约束矩阵Ct‑1,t可表示为：其中，t＝(2,3,…,n)，Nt为第t个尺度的降采样邻域，j表示该尺度上的任意像素值；Step7、利用基于谱图聚类的归一化割方法和跨尺度约束矩阵Cd对降采样多尺度相似矩阵Wd进行降采特征向量求解，获得降采样特征向量Xd；Step8、利用多尺度归一化相似矩阵Nd对降采样特征向量Xd进行上采样乘法运算，获得特征向量X；其公式表示如下:X＝Nd XdStep9、对特征向量X进行离散化处理并利用插值算法将其转变回尺寸为M×N的图像后输出最终分割结果；所述Step4中，以2为采样率的双次矩阵降采样的主要步骤如下：第一次矩阵降采样：Step4.1、对矩阵Ws进行以2为采样率的行降采样，可获得矩阵Ws1′；Step4.2、将矩阵Ws1′进行矩阵转置得到矩阵(Ws1′)T；Step4.3、将(Ws1′)T进行归一化处理和矩阵转置后可获得归一化相似矩阵Ns1；Step4.4、利用以下公式可获得降采样相似矩阵DWs1：DWs1＝(W's1)TNs1；第二次矩阵降采样：Step4.5、对矩阵DWs1进行以2为采样率的行降采样，可获得矩阵Ws2′；Step4.6、将矩阵Ws2′进行矩阵转置得到矩阵(Ws2′)T；Step4.7、将(Ws2′)T进行归一化处理和矩阵转置后可获得第s个尺度上的归一化相似矩阵Ns；Step4.8、利用以下公式可获得第s个尺度上的降采样相似矩阵DWs：DWs＝(W's2)TNs；其中，s＝(1,2,…,n)。