基于區域合并的圖像分割方法

薛輝+高倩倩+羅欣

摘要：提出了一種基于相似性最大原則進行區域合并的方法。用戶僅需要對感興趣的對象進行標記，以此為依據來進行區域合并；該方法以分水嶺算法的初始分割結果為基礎，利用彩色直方圖來度量不同區域的相似性，從而引導區域合并的進程。實驗結果表明，該方法能較好地從背景中提取出所需對象，最終達到圖像分割的效果。

關鍵詞：圖像分割；相似性；分水嶺算法

0. 引言

在圖像處理領域中，圖像分割是進行圖像分析的關鍵技術。其是在一定的應用需求上，把圖像分成不同類型的區域并從中提取所需的對象。通常，對于彩色圖像而言，光譜和紋理特征是非常復雜的。因此，結合用戶的先驗知識進行圖像分割已成為一個研究熱點。本文提出了一種人機交互的圖像分割方法[1-2]，該方法以分水嶺算法的初始分割結果為基礎，通過人為的標記感興趣的對象，綜合利用圖像的光譜特征進行合并[2]。在合并過程中，以局部最優合并條件為依據來選取合并區域，可得到最終的分割結果。

1. 相似性度量準則

圖像分割實質上就是不斷合并相鄰區域，而合并的過程就是尋找相似性最大的相鄰區域進行合并[3]。本文選擇利用彩色直方圖來描述圖像的特征。其中，將每一個顏色通道都被統一量化成16個灰度級，然后在16×16×16=4096維的特征空間中，計算出每個區域的顏色直方圖[5]。

2. 分水嶺變換分割算法

要合并同質區域，需要用初始分割將圖像分割成均勻的區域，本文將利用分水嶺算法來對圖像進行初始分割。過程如下：

（1）尋找每一個像元的下游像元，記錄在數組中。尋找數組中，與每個像元相比灰度最小的鄰域像元；

（2）標識局部最小像元。判斷數組中每個像元是否為局部最小，若是，則賦予一個新的編號，并賦予與其連通且局部最小的區域同樣的編號；

（3）標識非局部最小像元。對于每一個非局部最小像元r，都有一個下游像元，若其下游像元已被賦予編號，則將該編號同樣賦予r；否則，尋找下游像元的下游像元，直到找到賦予編號的像元，將其賦予r。

3. 基于最大相似性的區域合并算法

分割過程中，MSRM方法加入了人工標注信息。經過初始分割后的圖像，由于過分割問題得到了許多小區域，因此需要人為標記成目標與背景區域。其中，目標區域用MO表示；背景區域用MB表示；沒有被標記的區域記為N[5]。因此，標記后的圖像可分為三部分：MO，MB和N。

整個MSRM算法分為兩步，過程如下[2]：

第一步：合并N中未被標記的區域與MB中的背景區域。

（1）定義每個區域為B的相鄰區域為SB={Ai}i=1，2，...，r，其中B MB；

（2）定義每個區域Ai的相鄰的區域為SAi={Sj}j=1，2，...，k，其中Ai MB；

（3）根據最大相似性準則計算ρ（Ai，Sj），如果ρ（Ai，B）=maxj=1，2，...，kρ（Ai，Sj），合并B和Ai，反之則不合并；

（4）更新標號MB和N；

（5）如果MB Φ，結束第一步，否則回到（1）。

第二步：合并N中未被標記的區域。

（6）定義每個區域P的鄰接區域為SP={Hi}i=1，2，...，p，其中P N；

（7）定義每個區域Hi的鄰接區域為SHi={Sj}j=1，2，...，k，其中Hi MB且Hi MO；

（8）根據最大相似性準則計算ρ（Hi，Sj），如果ρ（Hi，B）=maxj=1，2，...，kρ（Hi，Sj）合并P和Hi，反之則不合并；

（9）更新標號N；

（10）如果N Φ ，結束第二步，否則回到（6）.

4. 實驗結果

MSRM算法是使用顏色信息來實現圖像分割的，通過人工標注信息進行區域合并，以達到圖像分割的目的。

4.1實驗分析

為了分析本文算法，此次試驗以Mina Lisa圖像為例，輸入標記和分水嶺初始分割后的圖像，使用MSRM算法進行區域合并。通過分割結果可見，分水嶺算法進行分割后，過分割現象比較嚴重，使用本文提到的算法可將感興趣對象較完整的提取出來。

4.2實驗對比

為了判斷初始分割是否會對分割結果造成影響，本次實驗分別采用分會玲算法和均值漂移算法進行初始分割，用以進行比較。通過分割結果可見，兩種算法雖然產生的過分割程度不同，但通過人工標記，使用MSRM進行合并后，都能較好的將感興趣的對象提取出來，因此，初始分割算法的選取不會影響最終的分割結果。

5. 結論

在文中，我們提出了一個基于最大相似性度量準則進行區域合并的交互式圖像分割算法，在分水嶺分割結果的基礎上，標記對象的主要特征，以完成整個合并過程。實驗結果表明，初始分割算法的選取對分割結果不會造成影響，而用戶輸入的標記是分割過程中的重要因素。相比于別的交互式算法而言，本算法利用一種新穎的區域合并機制，較完美的提取出了感興趣的對象。由于本算法在運用過程中涉及到了相似性度量，因此如何將紋理、形狀等信息引入到合并過程中，將會是今后關注的一個方向。

參考文獻：

[1] Levin A， Rav Acha A， Lischinski D. Spectral matting[J]. Pattern Analysis and Machine Intelligence， IEEE Transactions on， 2008， 30（10）： 1699-1712.

[2] Ning J， Zhang L， Zhang D， et al. Interactive image segmentation by maximal similarity based region merging[J]. Pattern Recognition， 2010， 43（2）： 445-456.

[3] 林卉， 劉培， 夏俊士， 等. 基于分水嶺變換的遙感影像面向對象多尺度分割算法研究[J]. 測繪通報， 2011， 10： 008.

[4] 胡春. 一種新的基于區域合并的圖像分割算法[J]. 合肥學院學報： 自然科學版， 2012， 22（1）： 31-35.

[5] 戴令正. 自然圖像分割算法的研究[D]. 南京理工大學， 2013.endprint