一种基于分层高阶条件随机场的图像分割方法

1.一种基于分层高阶条件随机场的图像分割方法，其特征在于：在构建条件随机场的底层能量函数方面：首先提取图像的像素级特征，包括纹理特征、颜色特征、尺度不变特征变换特征和局部二值模式特征，利用这些像素级特征训练分类器，把分类器对像素分类的输出值转化为概率表达，构造像素级的一元势函数；再利用邻域像素颜色差异的边界特征定义像素级的成对势函数；在构建条件随机场的中层能量函数方面：首先利用无监督分割算法得到不同分割粒度的超像素分割结果；再提取超像素特征构建超像素级的一元势函数和成对势函数；综合利用图像的像素级的一元势函数和成对势函数以及超像素级的一元势函数和成对势函数构建分层高阶条件随机场模型；进而利用人工标注的样本，通过逐层监督学习的方法估计模型参数；最后对目标图像应用图割算法推理得到最终的图像分割标记。
2.根据权利要求1所述的一种基于分层高阶条件随机场的图像分割方法，其特征在于：所述的利用无监督分割算法得到不同分割粒度的超像素结果，具体方法为：先将图像从RGB空间转换到LUV颜色空间，利用均值漂移聚类算法，通过选择颜色搜索窗口参数，产生不同分割粒度的三层超像素结果。
3.根据权利要求1所述的一种基于分层高阶条件随机场的图像分割方法，其特征在于：所述的提取超像素特征构建超像素级的一元势函数：具体方法为：定义超像素的特征响应值为超像素内该特征对应像素点所占的比例，通过该特征响应值训练分类器，并将分类器对超像素分类的输出值转化为概率表达，以此构造超像素级的一元势函数；具体数学模型为：设xc表示某一超像素c的特征相应值， 表示超像素c内第i个像素点的标签；为每个超像素寻找占主导比例的标签值赋予xc，
其中， 表示xc中标签为l的像素的个数，|xc|表示超像素c内的像素的个数；T是人工设定的阈值，取值大于0.5；lF定义为空标签，即不存在主导标签；
构造的超像素级的一元势函数ψc(xc)形式如下：
其中，Hl(c)是超像素c的标签被分类器判断为l的概率；α是一个人工设定的截断值常数； 是归一化系数。
4.根据权利要求1所述的一种基于分层高阶条件随机场的图像分割方法，其特征在于：所述的提取超像素特征构建超像素级的成对势函数，具体方法为：首先计算超像素的颜色直方图，以相邻超像素之间归一化颜色直方图的欧氏距离作为超像素间的相似度，并以此构造超像素级的成对势函数；具体数学模型为：所述超像素级的成对势函数ψcd(xc,xd)的形式如下：
2
其中，g(c,d)＝|h(xc)-h(xd)|；h(·)是归一化的超像素片段的颜色直方图。
5.根据权利要求1所述的一种基于分层高阶条件随机场的图像分割方法，其特征在于：所述的综合利用图像的像素级的一元势函数和成对势函数以及超像素级的一元势函数和成对势函数构建分层高阶条件随机场模型如下：
其中，ψi(xi)为像素级一元势函数，ψij(xi,xj)为像素级成对势函数，v表示像素集合，Νi表示第i个像素的相邻像素集合， 和 分别表示第n层的超像素级
的成对势函数和一元势函数。

暂无