一种具有尺度无关特性的快速多模态图像协同分割方法

1.一种具有尺度无关特性的快速多模态图像协同分割方法，其特征在于，该方法具体包括以下步骤：
步骤一、打开输入的图像组文件，对当前输入图像组中图像利用SLIC算法依次提取K个超像素，记为集合 其中， 代表第t张图像的第i个超像
素，K∈N,t＝1,2，提取各张图像的超像素，计算所述超像素的颜色特征、区域协方差矩阵；
进行图像的前景、背景区域初始化，具体处理为；
对于一个给定的超像素 计算其颜色特征
其中，Sp为超像素p中所包含像素的集合，|Sp|为超像素p中像素的个数，ci=[Rj，Gj，T
Bj] 是像素j的RGB颜色值；
对于一个给定的超像素集合 计算其区域协方差矩阵VP，
T
Vp=(Fp-μ(Fp))(Fp-μ(Fp))，
T
其中， 是超像素p的特征矩阵，fj，p=[xj，yj，Rj，Gj，Bj] 为超像素p
中第j个像素的特征向量，像素坐标为(x，y)，μ(·)是特征矩阵的均值，T为向量的转置，采用PatchMatch算法，获得两幅图像中各自相应的前景区域 和背景区域
步骤二、在获得超像素的颜色特征、区域协方差矩阵的基础上，使用联合聚类方法构建超像素多模态特征和前景区域、背景区域模型，进一步使用BP算法完成图像协同分割;
(1) (2)
对于集合S 、S 使用非相似性度量D(p，q)进行联合聚类，形成C个簇，其中，
||·||2为欧式距离，ρf(Vp，Vq)为区域协方差矩阵Vp和Vq第f个特征值，参数
0≤λ≤1为权重系数， 分别代表超像素p，q的颜色均值；
以C个簇的中心作为一个字典γ={C1，…，CK}，将超像素 的多模态特征表示为一个基于字典γ非归一化的直方图，记为Hp；
对前景区域 和背景区域 分别统计其所包含的超像素的联合聚类的分布情况，统
计前景区域和背景区域中各个超像素各自所属聚类中心形成统计直方图，分别作为前景区域模型Hfg和背景区域模型
步骤三，利用上述结果，建立一个不规则图，超像素作为不规则图的节点,结合输入图(t)
像组中每幅图像中超像素的空间邻接矩阵M ，建立节点间的连接边以及边上的权重,将能量方程 转化为不规则
图的最大流/最小割问题，使用BP算法进行求解。
2.如权利要求1所述的具有尺度无关特性的快速多模态图像协同分割方法，其特征在于，该方法还包括所述超像素多模态特征的统一度量的处理，具体包括以下步骤：在超像素多模态特征以及前景区域模型/背景区域模型模型均统一的表示为一个基于字典γ非归一化的直方图基础上，定义度量第i幅图像中超像素p被标记为前景区域代价为ωp，i=β||Hp，Hfg||emd，以及，背景区域代价ωp，i=β||Hp，Hbg||emd，其中，||·||emd为两个直方图的EMD距离，Hfg为前景区域模型、Hbg背景区域模型，参数β≥0且用于调制(modulates)在公式中∑pωp，ixp，i项的相对重要程度。
3.如权利要求1或2所述的具有尺度无关特性的快速多模态图像协同分割方法，其特征在于，该方法也适用于包括多张图像的输入图像组。

暂无