一种基于超图的图像共分割方法

摘要

本发明涉及一种基于超图的图像共分割方法，包括如下步骤：读入两幅具有相似或相同前景的图像；采用Mean-shift算法对输入图像进行过分割处理；采用直方图统计方法统计其颜色直方图H；计算同一幅图像中的相邻分块间，以及不同图像中相似分块间的相似度；计算节点和超边的度矩阵，计算超图拉普拉斯矩阵的特征值以及特征向量，进行前景与背景分割。本发明提高了分割的计算速度，并且使得前景与前景、背景与背景间更好的联系起来，且保持了更多的分块相关信息，提高了分割的效果。

主权项

一种基于超图的图像共分割方法，其特征在于，包括如下步骤：步骤一、图像读取；读入两幅具有相似或相同前景的图像；步骤二、图像共分割；采用Mean‑shift算法对输入图像进行过分割处理，记录分割后图像中每个像素所属分块的标号；步骤三、分块相似性判断；对图像分块，采用直方图统计方法统计其颜色直方图H；对图像1中的分块i和图像2中的分块j计算直方图Chi距离： d ( H 1 i , H 2 j ) = Σ k ( H 1 i , k - H 2 j , k ) 2 ( H 1 i , k + H 2 j , k ) 2 其中Hli,k表示图像l中分块i的颜色直方图的第k分量；将直方图Chi距离小于阈值的分块定义为相似分块；步骤四、分块相似性计算；对于同一幅图像中的分块，定义分块间含有4相邻的像素的两个分块为邻接分块；计算同一幅图像中的相邻分块间，以及不同图像中相似分块间的相似度wij： w ij = 1 1 + α | | C i - C j | | 2 , i ≠ j 0 , i = j 其中，wij表示分块i，j之间的相似度，Ci表示分块i的颜色特征向量，α为加权参量，α>1；给跨图像分块间的相似度乘以加权因子λ，λ>1；步骤五、超图分割；针对步骤四所得的超图，计算节点和超边的度矩阵： d ( v j ) = Σ e i ∈ E ω ( e i ) h ( v j , e i ) δ ( e i ) = Σ v j ∈ V h ( v j , e i ) 其中vj表示超图节点j，ei表示超边i，h(vj,ei)表示节点与边的对应关系，ω(ei)表示超边ei的权值，δ(ei)表示超边ei的度，d(vj)表示节点vj的度；根据超图分割算法，计算超图的拉普拉斯矩阵 Δ = I - D v - 1 / 2 HWD e - 1 H T D v - 1 / 2 其中△表示超图的拉普拉斯矩阵，I表示单位对角阵，Dv表示超图节点度的对角阵，H表示超图节点与边对应关系矩阵，W表示超边权值矩阵，De表示超图超边度的矩阵；计算超图拉普拉斯矩阵的特征值以及特征向量，其中最小非零特征值对应的特征向量的每一维对应每一个分块标号，若大于0，则该标号的分块属于前景，小于0，则属于背景。