[发明专利]一种基于超像素和条件随机场的弱监督图像语义分割方法

摘要

一种基于超像素和条件随机场的弱监督图像语义分割方法，属于图像处理领域，其特征在于用SLIC算法分割图像时可以自适应产生预分割超像素个数K，并且将颜色特征和纹理特征融合进行超像素合并，迭代的终止条件是合并的超像素块数等于类别标签个数的3倍。以超像素块为节点再构建无向图模型，将图像中的类别关联信息和相似度加入到成对的势能函数中，将超像素块和类别标签一一对应，将二阶条件随机场能量函数作为语义分割的模型进行标签推断，其推断结果就是优化能量函数的结果，把目标分类转化为能量函数最小化的问题。本发明不仅改进了超像素分割算法，还引入条件随机场模型，提高了弱监督语义分割的精度。

主权项

1.一种基于超像素和条件随机场的弱监督图像语义分割方法，其特征在于：包括下述步骤：1)超像素图像分割：对图像进行SLIC超像素分割，自适应产生预分割超像素个数为K，构造一个一维特征矢量Z，假设图像有N个像素，则每个超像素的大小为N/K，且超像素中心点距离最近表示为S，以步长为S的网格初始化聚类中心；2)超像素特征提取：提取颜色特征、纹理特征来描述每一个超像素；3)超像素合并：根据特征向量计算不同超像素之间的相似度，进而基于相似度将超像素合并为超像素块，将纹理特征和颜色特征进行融合，再设定相似度阈值运用到超像素合并阶段，使超像素块的个数等于图像标签个数的3倍；其方法是定义一个相似度函数其中λ为调节因子，和分别为颜色和纹理特征距离，再设定一个阈值T∈[0,1]，将相似度高于阈值T的合并，逐步进行迭代，迭代的终止条件是：合并的超像素块数P等于类别标签个数的3倍；4)由3)超像素合并后，将每一个超像素块赋予语义类别标签；以超像素块为节点再构建无向图模型G(V,E)，其中V是结点，E是连接结点的边，由建立二阶条件随机场模型，将类别标签与超像素块的映射问题转换成能量函数最小化的问题，使能量函数最小的类别就是语义类别的标签，其中E(y,X)为能量函数，φ_u(y_i,x_i)为单点势能函数，φ_p(y_i,y_j,x_i,x_j)为成对的势能函数，将图像中的类别关联信息和相似度加入到成对的势能函数中，将超像素块和类别标签一一对应，可以准确的进行标签推断；5)构建条件随机场模型，得到语义分割结果；将二阶条件随机场能量函数作为语义分割的模型进行标签推断，利用图像的高阶信息，将语义标签推断转化为能量函数最小化的问题，标签推断的结果就是最小化能量函数，就是超像素块标签推断的结果：φ_u(y_i,x_i)为单点势能函数，φ_p(y_i,y_j,x_i,x_j)为成对的势能函数。