[发明专利]一种基于SLIC的自适应图像目标区域分割方法

摘要

一种基于SLIC的自适应图像目标区域分割方法，涉及超像素分割技术。目的是为了解决传统的超像素分割方法在对包含多个目标的主体图像进行超像素分割时，需要人工输入参数导致分割效率低的问题。本发明首先利用SLIC对图像进行超像素预分割处理，然后以预分割好的超像素点为中心点建立超像素单位，超像素度量单位包括灰度、位置、哈希值。用此度量单位作为超像素点参数，通过自适应参数基于距离的聚类算法，最后再将分割出过小区域进行合并，进而将超像素聚类成确定主体和明显的主体分割边界。该方法不需要用户进行设置输入、通过计算图像复杂程度的方法确定需要分割超像素种类的个数。适用于目标识别、模式识别、人工智能等领域。

主权项

1.一种基于SLIC的自适应图像目标区域分割方法，其特征在于，包括以下步骤：步骤一、读取原始图像，对该原始图像进行下采样处理，下采样步长为S个像素单位，即将原始图像在S*S的滑动窗口内的所有像素点合并为一个超像素点，在该超像素点内的所有像素点中，将灰度值为该超像素点内所有像素点的平均灰度值的像素点作为该超像素点的代表；步骤二、对下采样过后的图像种子点个数进行初始化，按照初始化后的种子点个数，将种子点均匀分配到图像的各个部分上；步骤三、在以种子点为中心的n*n的范围内计算各个像素点的灰度梯度，然后找出灰度梯度最小的像素点，将该像素点的位置作为种子点的最终位置；步骤四、对步骤四中的种子点周围的像素点进行分类标记，具体包括：步骤四一、对种子点周围的像素点进行搜索，搜索过程中使用的移动步长为Step＝sqrt(N/K)+q，其中，N为原始图像中像素点的数量，K为分割后超像素点的数量，q为正整数；步骤四二、计算搜索范围内每个像素点与种子点的距离，该距离包括灰度距离d1、空间距离d2和感应哈希距离d3，其中m、n分别是对应超像素块中的像素点个数，k为像素点的灰度值；其中x、y分别是对应像素点的横坐标及纵坐标；其中，X表示种子点与其上下左右四个方向上相邻超像素点在灰度上的差异；步骤四三、计算搜索范围内每个像素点与种子点的总差异值D：D＝μ1d1+μ2d2+μ3d3其中μ1、μ2和μ3分别代表各距离的权重系数，且μ1、μ2、μ3满足如下关系：μ1＝μ2＝5μ3＝log2K步骤四四、将总差异值与根据预设的阈值进行比对，以此确定像素点属于哪个聚类像素点中心；步骤五、多次重复步骤三和步骤四，直至聚类结果不发生变化为止，至此完成图像分割。