多尺度的图像分割方法
专利汇可以提供多尺度的图像分割方法专利检索，专利查询，专利分析的服务。并且本 发明 提出了一种多尺度的 图像分割 方法，其具体步骤是：（1）、输入原始图像，对原始图像预分割，采用核 密度 估计的方法建立预分割后每个区域归一化的均值偏移直方图；（2）、计算获得两个邻接区域的 颜色 相似性值；（3）、区域合并，生成二叉树；（4）、选择二叉树中的结点完成图像分割。该方法解决了图像分割中过分割的现象，分割方法易受图像中的噪声干扰，分割方法复杂度高的问题；其多尺度的分割结果有助于提高后续的 图像分析 ， 图像识别 等高级处理阶段的工作效率。，下面是多尺度的图像分割方法专利的具体信息内容。
1.一种多尺度的图像分割方法，其具体步骤如下:
(1)、建立预分割后每个区域归一化的均值偏移直方图步骤：输入原始图像，对原始图像预分割，采用核密度估计的方法建立预分割后每个区域归一化的均值偏移直方图，其步骤如下：
(1-1)、输入原始图像，用均值漂移算法将原始图像预分割成N个图像区域Rk，其中k＝
1,2,...N，Rk表示图像区域中第k个区域，并将N个图像区域的颜色空间由RGB颜色空间转换到Lab颜色空间；
(1-2)、统计Lab颜色空间中每个图像区域的所有像素值出现的概率，建立每个区域归一化的颜色直方图；
(1-3)、选择三角核函数对上述步骤(1-2)生成的颜色直方图卷积平滑，得到每个区域归一化的均值偏移直方图；
(2)、计算获得两个邻接区域Ri和Rj的颜色相似性值步骤：对上述步骤(1)所述的每个区域归一化的均值偏移直方图，使用公式(1)计算获得两个邻接区域Ri和Rj的颜色相似性值：
式中，i和j分别表示邻接区域Ri和Rj的标号，|Ri|和|Rj|分别表示邻接区域Ri和Rj的像素个数，Hi和Hj分别表示邻接区域Ri和Rj归一化的均值偏移直方图，qcp是每个像素p的量化颜色值；
(3)、区域合并，生成二叉树步骤：合并邻接区域Ri和Rj，生成合并区域，计算合并生成合并区域Rm的归一化的均值偏移直方图，其具体步骤如下：
(3-1)、比较邻接区域的颜色相似性值的大小，迭代进行区域合并，其步骤如下：
(3-1-1)、合并最相似的邻接区域，使用公式(2)计算得到最相似的两个邻接区域Ri和Rj，若合并Ri和Rj，则执行步骤(3-1-4)，否则执行步骤(3-1-2)，
(2)式中，k表示与Ri或Rj邻接的区域标号，
n表示当前的邻接区域数目，arg是求区域的标号；
(3-1-2)、合并小面积区域中相似性最高的邻接区域，使用公式(3)计算得到小面积区域中相似性最高的两个邻接区域Ri和Rj，若合并Ri和Rj，则执行步骤(3-1-4)，否则执行步骤(3-1-3)，
(3)式中,Ω表示小面积区域Ri构成的集合，k表示与区域Ri
邻接的区域标号；
(3-1-3)、合并相似性最高的邻接区域，使用公式(4)计算得到相似性最高的两个邻接区域Ri和Rj，合并Ri和Rj，并执行步骤(3-1-4)，
式中，k1和k2分别表示邻接的区域标号；
(3-1-4)、计算邻接区域Ri和Rj合并生成合并区域Rm的归一化的均值偏移直方图，其计算公式为：
式中，m是区域Ri和Rj合并生成合并区域的标号，|Rm|＝|Ri|+|Rj|,Hm表示区域Rm的归一化的均值偏移直方图；
(3-1-5)：如果不满足终止条件，则继续进行区域合并，执行步骤(3-1-1)，终止的条件为：区域合并后只剩下一个区域，否则执行步骤(3-1-6)；
(3-1-6)如果满足终止条件，终止程序，合并结束；
(3-2)、根据区域合并的关系建立一颗二叉树，其步骤如下：
(3-2-1)、将原始图像预分割后的N个图像区域作为二叉树的叶子结点；
(3-2-2)、将上述步骤(3-1)进行区域合并过程中生成的合并区域作为二叉树的父亲结点，并由此建立了一颗二叉树的数据结构；
(4)、选择二叉树中的结点完成图像分割步骤：
(4-1)、定义二叉树中父子结点的相似性比BSR来度量父子结点的相似性，其计算公式为：
B(k)＝W(l,r),B(l)＝W(a,b),B(r)＝W(c,d)
式中，BSR(k,l)是计算父亲结点k和左子结点l的相似性比，BSR(k,r)是计算父亲结点k和右子结点r的相似性比，B(k)是计算左子结点l和右子结点r的相似性值，B(l)是计算父亲结点l的左子结点a和右子结点b的相似性值，B(r)是计算父亲结点r的左子结点c和右子结点d的相似性值；
(4-2)、选择二叉树中BSR值较小的结点，完成多尺度的图像分割。
多尺度的图像分割方法
技术领域
背景技术
能。目前现有的图像分割方法包括：基于均值漂移（Mean Shift）的分割方法(参见文献：
Comanicu D，Meer P. Mean shift: A robust approach toward feature space analysis.
IEEE Trans on Patten Analysis and Machine Intelligence, 2002, 24(5):603-619.)，
这种方法是通过模式空间密度函数的梯度来实现特征空间的颜色聚类，从而达到图像分割
的目的，该方法的缺点在于过分割现象比较严重；基于归一化割（Normalized Cuts）的分割
方法(参见文献：F Sun, JP He. A normalized cut based image segmentation method.
Information and Computing Science,2009, 2:333-336.),这种方法是把图像映射为一
个带有权值的无向图，图像中的像素对应图中的结点，像素之间的相邻关系对应图的边，像
素特征之间的差异性或相似性对应图中边上的权重，然后在所建立的图上寻找一个规范
化最小割对图中的结点进行划分，进而完成对图像的分割，但是这种方法往往会把孤立的
点作为分割的目标，因此容易受到图像中的噪声干扰；基于区域分裂合并（Region Split
Merge）的方法（参见文献：Kelkar, S Gupta. Improved Quadtree Method for Split
Merge Image Segmentation. Emerging Trends in Engineering and Technology, 2008,
44-47.）是从整个图像开始不断分裂得到各个区域，再将相邻的具有相似性的区域合并得
到分割结果，区域分裂合并方法的难点是分裂和合并规则的设计，这种方法的缺点在于算
法的复杂度高，执行效率低。
发明内容
提高后续的图像分析，图像识别等高级处理阶段的工作效率。
其步骤如下：
似性值：
个像素 的量化颜色值；
行步骤，
是计算左子结点 和右子结点 的相似性值， 是计算左子结点 和右子结点 的相似
性值；
相似性的合并准则减少了区域分裂再合并准则的算法复杂度，通过选择二叉树中的结点，
完成多尺度的图像分割，其分割结果可有效的克服图像中过分割的现象，满足于不同的应
用需求。
附图说明
具体实施方式
的颜色相似性值；接着，区域合并，生成二叉树；最后，选择二叉树中的结点完成多尺度的
图像分割，其具体步骤如下：
分割的结果，如图3所示，并将 个图像区域的颜色空间由RGB颜色空间转换到Lab颜
色空间，这种转换更符合人眼的视觉感知差异；
好的鲁棒性；
像素 的量化颜色值，这个公式是分别计算区域 中的像素用区域 的直方图度量得到
的概率值，以及区域 中的像素用区域 的直方图度量得到的概率值，由此可见，
的值越大，表示两个邻接区域 和 的相似性越高，反之则相似性越低；
；
行步骤（3-1-3），
当前的区域数目，由于较小的区域携带的信息量较少，应当被合并成较大的区域，这样可以
保持区域合并的连贯性；
接区域合并生成的合并区域，每个左子结点和右子结点分别表示两个合并的邻接区域；
计算左子结点 和右子结点 的相似性值， 是计算左子结点 和右子结点 的相似性
值， 越小，表示父子结点的相似性越小，这样的子结点所代表的区域应该作为一个显
著性区域保留在最终的分割结果中；
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 一种微纳尺度的图形绘制方法 | 2020-05-11 | 735 |
| 一种多尺度视觉关注图像描述方法 | 2020-05-11 | 23 |
| 图像同一性尺度计算系统 | 2020-05-12 | 555 |
| 一种多尺度图像增强方法 | 2020-05-12 | 43 |
| 基于尺度空间的图像边缘检测方法 | 2020-05-13 | 269 |
| 基于多尺度深度学习的图像问答方法 | 2020-05-13 | 651 |
| 图像多尺度自动标注方法 | 2020-05-13 | 26 |
| 基于多尺度残差网络的图像去雾方法 | 2020-05-11 | 366 |
| 数字图像中目标物体多尺度捕捉方法 | 2020-05-12 | 876 |
| 一种多尺度联合的小波图像去噪方法 | 2020-05-11 | 834 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
