基于最大相似度区域合并交互式图像分割.doc

基于最大相似度区域合并的交互式图像分割

实现一种可以将初步分割过后的图片进行目标与背景分离的算法,即基于最大相似度区域合并的交互式图像分割算法。
图像分割是图像分析及计算机视觉系统中的重要环节。只有在图像分割的基础上才能对目标进行特征提取、参数测量和识别,使得更高层的图像分析和理解成为可能,图像分割质量的好坏直接影响后续图像处理的效果。因此,可以说图像分割是图像处理中最为重要的环节。本次实验中提出的算法可以很好地实现图像分割的目的。

1、Meanshift算法初始分割图片
区域合并的前提是输入图片为已被其他方法分割为小区域的图片,本文主要使用了均值漂移分割法(meanshift)。经过分割后的图像如下图所示:
2、区域表示和相似性度量
本文采用RGB颜色空间估计的颜色直方图表示图像中的每个区域,当然,其它颜色空间,如HSI和Lab等,也可用于对区域建模。将RGB颜色空间量子化为16x16x16=4096箱格,然后计算每个区域的归一化直方图。:

上式中,和分别表示区域R和Q的直方图。上标u表示直方图的第u个箱格。两个区域的内容相似度越大,直方图越相似,巴氏系数就越高。由此,可以通过计算巴氏系数来比较不同区域之间的相似度。
3、目标和背景的标记
用户只用做一小部分的标记:绿色标记目标,蓝色标记背景。用以下符号来表示相关区域:
MB:标记为背景的区域;MO:标记为目标的区域;N:未标记区域。
4、基于最大相似度的区域合并准则
(1)Q是R的邻近区域,用表示Q的邻近区域,显然。
(2)计算Q与所有邻近区域之间的相似度。
(3)当时,R与Q合并。
5、合并过程
整个合并过程共分为两个阶段,这两个阶段循环进行。
主要算法:
while 上次循环中有区域被合并
阶段一;
阶段二;
end;
其中:
阶段一:(将N中的区域和MB中的区域合并)
(1-1)对每个MB中的区域B,它的邻近区域的集合为。
(1-2)对每个不在MB中的区域Ai,它的邻近区域的集合
,因此有。
(1-3)如果,则表示B和Ai具有最大相似度,可以合并为同一个区域,否则不合并。
(1-4)相应地更新MB和N。
(1-5)如果MB找不到新的合并区域,则阶段一结束。否则,返回到(1-1)。阶段二:(将N中的区域与N中的区域合并)
(2-1)对每个N中的区域P,它的邻近区域的集合为。
(2-2)对每个N中的区域Hi,它的邻近区域的集合为因此有。
(2-3)如果则表示P和Hi具有最大相似度,可以合并为同一个区域,否则不合并。
(2-4)相应地更新N。
(2-5)如果N区域中没有还能合并的区域,阶段二结束。否则返回到(2-1)。
循环停止条件:
在整个算法中,设未标记区域(N)中的区域个数为n,n会随着一些未被标记区域与背景(MB)或与其他区域合并而减少,当n停止减少的时候,算法停止。剩余的未被标记的区域将会被标记为目标(MO),由此实现了目标与背景的分割。
:
1、实验结果:
第一回合第一阶段的合并:
第一回合第二阶段的合并:
第二回合第一阶段的合并:
合并完成后的结果:
2、实验分析: