[发明专利]基于分层特征的图像矢量化方法

摘要

本发明涉及一种基于分层特征的图像矢量化方法，所述方法包括：对原始图像进行预处理操作，通过平滑操作去除图像噪声，通过增强操作加强图像的边缘特征，得到预处理后图像；提取预处理后图像的分层特征，并生成若干分割图像，每个分割图像对应一种分割细节程度；选择若干分割图像进行矢量化，得到相应分割细节程度下的矢量化结果。本发明通过对图像进行预处理操作，并利用提取图像分层特征的原理对图像进行多分辨率特征提取，将原先单一的图像边缘特征变为可调节的分层特征，使矢量化结果既有保留细节的矢量结果又有免去不要特征的矢量化结果，以满足于不同的需求。

主权项

1.一种基于分层特征的图像矢量化方法，其特征在于：包括以下步骤：步骤1、对原始图像进行预处理操作，通过平滑操作去除图像噪声，通过增强操作加强图像的边缘特征，得到预处理后图像；步骤2、提取预处理后图像的分层特征，并生成分割图像，具体包括以下步骤：A1、图像的每个像素具有四种特征：亮度、颜色a、颜色b和纹理特征；针对每种特征i，以图像的像素点(x,y)为圆心、s为直径做出一个圆形，用倾斜角为θ的直径将圆形划分为两个区域，根据区域内所有像素点的特征i的特征值，分别得到这两个区域的特征直方图g_i,s(x,y,θ)，h_i,s(x,y,θ)；A2、针对每种特征i，将像素点(x,y)对应的两个区域的特征直方图的数据代入以下公式，得到该像素点(x,y)以s为圆形、θ为分割方向特征i的梯度值G_i,s(x,y,θ)：A3、使用下述公式计算每个像素点的第一权重值m(x,y,θ)：A4、使用一个稀疏对称矩阵W，其中，每一个元素w_ef的计算如下：w_ef＝exp(‑max{m(p)/ρ})p是两个距离不超过半径s的像素点连成的线段上的任意一个点，ρ是常数为0.1；计算特征向量然后将每一个特征向量视为一副图片，使用高斯方向导数滤波器对它进行卷积操作得到据此计算像素点(x,y)的第二权重值s(x,y,θ)：其中，n为特征向量D_ee的数量，将每个特征向量D_ee视为一个质量弹簧系统，λ_k是第k个特征向量对应质量弹簧系统的弹簧系数。A5、根据第一权重值m(x,y,θ)和第二权重值s(x,y,θ)计算边界权值g(x,y,θ):g(x,y,θ)＝m(x,y,θ)+γ·s(x,y,θ)其中，γ为第二权重值的系数，取值范围为[0,1]；然后对边界权值g(x,y,θ)进行sigmoid函数变换，得到边界概率值，作为该像素点为边界的概率；A6、基于边界概率值，使用OWT算法对步骤1预处理后图像进行分割，获得若干区域，并且得到相邻区域之间的差异值；A7、对相邻区域之间的差异值进行排列，依次将差异值小的相邻区域合并，直到最后只有一个区域，共合并H次，每次合并完成获得一个分割图像，每个分割图像对应一种分割细节程度；步骤3、选择若干分割图像进行矢量化，得到相应分割细节程度下的矢量化结果。