專利名稱：：一種基于數(shù)據(jù)場的圖像分割方法
技術領域：
：本發(fā)明涉及圖像處理中的圖像分割、目標識別，特別涉及一種利用數(shù)據(jù)場實現(xiàn)圖像分割的方法。
背景技術：
：圖像分割就是指把圖像分成各具特性的區(qū)域，并利用圖像信息中部分特征提取圖像中若干感興趣目標的技術和過程(章毓晉，2001)。圖像分割是圖像處理中的一項關鍵技術，也是計算機視覺領域低層次視覺中的主要問題，同時又是一個經(jīng)典難題。數(shù)據(jù)場是一種不確定知識發(fā)現(xiàn)的物理學方法(李德毅，杜鹋，2005)。它借鑒物理學中場的概念來描述客體間的相互作用。將自然語言中的概念、語言值、詞，甚至論域空間中的數(shù)據(jù)點、圖像中的每一個像素，都看做場空間中相互作用的客體或者對象，好比是物理場空間中的一個點電荷或者質點，位于場內(nèi)的所有其他客體都受到該客體的作用，在整個論域空間形成一個場，整個數(shù)域空間形成一個數(shù)據(jù)場。數(shù)據(jù)場理論以認知物理學為理論基礎，為數(shù)據(jù)分析和處理提供了一種嶄新的思路。它以物理場的等勢線為基礎可視化地進行數(shù)據(jù)分析，并結合信息論中熵的概念為數(shù)據(jù)分析提供理論基礎。數(shù)據(jù)場在圖像處理中已經(jīng)得到一些應用。如采用數(shù)據(jù)場和"勢"的概念，以人臉表情圖像為研究對象，通過提取數(shù)據(jù)場不同層次的局部極大值點，實現(xiàn)概念粒度的躍升，實現(xiàn)基于數(shù)據(jù)場的圖像數(shù)據(jù)挖掘(戴曉軍，淦文艷，李德毅，2004)。將人臉圖像的像素點作為數(shù)據(jù)點，將像素灰度值作為數(shù)據(jù)點的質量，形成數(shù)據(jù)場，提出了基于數(shù)據(jù)場的特征提取算法，并應用于人臉識別(呂輝軍，2002)。將數(shù)據(jù)場引入圖像分割領域實現(xiàn)圖像分割的研究除了本發(fā)明的申請者及其學生所從事的研究工作以外，還沒有其他研究人員的相關研究的報道。圖像分割的過程實際是上是將圖像的各個像素或者是圖像的所有灰度值進行聚類的過程，聚類的結果便自然地將圖像數(shù)據(jù)劃分為各具特性的不同區(qū)域。數(shù)據(jù)場的等勢線的自然拓撲聚類特性為圖像分割提供了可行性，對于利用數(shù)據(jù)場進行圖像分割具有一定的優(yōu)勢。本發(fā)明以認知物理學為理論基礎，引入數(shù)據(jù)場為圖像分割和效果評價提出了一種嶄新的思路和有效地方法。實驗表明，相對于現(xiàn)有技術，本發(fā)明的方法可以得到更好的圖像分割效果，并且還具有很好的抗噪性。下面結合附圖對本發(fā)明進行詳細說明。
發(fā)明內(nèi)容本發(fā)明的目的是提供一種基于數(shù)據(jù)場的圖像分割方法，利用數(shù)據(jù)場的等勢線的自然拓撲聚類特性實現(xiàn)圖像分割。本發(fā)明的基于數(shù)據(jù)場的圖像分割方法包括以下步驟把圖像中每個像素定義為二維空間中的一個數(shù)據(jù)對象；把像素的灰度值定義為所述數(shù)據(jù)對象的質量；利用每個像素的灰度值，得到每個像素的勢值；根據(jù)所述像素的等勢值生成等勢線，從而生成圖像數(shù)據(jù)場；以及利用所述數(shù)據(jù)場分割圖像。其中，所述數(shù)據(jù)場中任意點x的像素勢值通過以下勢函數(shù)公式得到其中，Pij=A(i，j)(i=1，2，3，…，m;j二l，2，3，…，n)是像素灰度值，A是灰度圖像，o是影響因子。其中，所述的利用數(shù)據(jù)場分割圖像是基于數(shù)據(jù)場的交互式分割，包括以下步驟通過放大、移動圖像數(shù)據(jù)場，人機交互式地選擇合適的勢值作為分割閾值；利用所述分割閾值，對圖像數(shù)據(jù)場進行分割。其中，所述的人機交互式地選擇合適的勢值作為分割閾值的步驟包括根據(jù)噪聲或分割興趣目標狀況，調(diào)整影響因子o，得到較佳圖像數(shù)據(jù)場；通過放大、移動圖像數(shù)據(jù)場，找到興趣目標所對應的勢值區(qū)間(范圍)；從所述勢值區(qū)間中選擇一個合適的勢值。其中，所述的利用數(shù)據(jù)場分割圖像是基于等勢值的自動分割，包括以下步驟從所述圖像數(shù)據(jù)場中找到勢值最大值和最小值；依據(jù)所要分割的分割類數(shù)，從所述勢值最大值與最小值的區(qū)間進行平均分割取值，從而得到針對圖像數(shù)據(jù)場的自動分割閾值；以及利用所述自動分割閾值，對圖像分割進行自動分割。其中所述分割類數(shù)是這樣得到的根據(jù)噪聲和分割興趣目標狀況，調(diào)整影響因子o，得到最佳圖像數(shù)據(jù)場；依據(jù)最佳圖像數(shù)據(jù)場中的不同勢值所對應的像素聚類圖形，選取像素聚類的數(shù)量，以此作為分割類數(shù)。其中，所述自動分割閾值包括多個適于不同區(qū)間的分割閾值，其數(shù)量對應于所述分割類數(shù)。其中，所述的利用數(shù)據(jù)場分割圖像是基于勢值-頻率分割，包括以下步驟根據(jù)所述圖像數(shù)據(jù)場的等勢值，尋找最大、最小勢值；計算最大、最小勢值區(qū)間內(nèi)每個勢值對應的頻率，由此生成勢值與頻率一一對應的數(shù)據(jù)點；除去勢值兩端頻率為零的數(shù)據(jù)點，然后根據(jù)這些數(shù)據(jù)點，生成勢值-頻率數(shù)據(jù)場；依次消除數(shù)據(jù)場的勢心，生成各個聚類中心；根據(jù)聚類中心自動實現(xiàn)圖像分割。其中，所述生成勢值_頻率數(shù)據(jù)場的步驟包括在勢值為橫坐標軸、相應頻率為縱坐標軸的二維坐標上，構建勢值與頻率一一對應的數(shù)據(jù)點，由這些數(shù)據(jù)點形成勢值-頻率數(shù)據(jù)場。圖1顯示了圖像數(shù)據(jù)場的生成，其中圖1(a)顯示了cameraman原圖，圖1(b)為cameraman圖像的圖像數(shù)據(jù)場；圖2顯示了影響因子對cameraman原圖和加噪后圖像數(shù)據(jù)場的影B向，反映了通過確定合適的影響因子，可以很好地減少噪聲的影響，其中圖2(a)顯示了影響因子o=0.01時的cameraman原圖的圖像數(shù)據(jù)場，圖2(b)顯示了影響因子o=0.01時的加噪后的cameraman圖像數(shù)據(jù)場，圖2(c)顯示了影響因子o=1.0時的cameraman原圖的圖像數(shù)據(jù)場，圖2(d)顯示了影響因子o=l.O時的加噪后的cameraman圖像數(shù)據(jù)場，圖2(e)顯示了影響因子o=2.0時的cameraman原圖的圖像數(shù)據(jù)場，圖2(f)顯示了影響因子o=2.0時的加噪后的cameraman圖像數(shù)據(jù)場，圖2(g)顯示了影響因子o=4.0時的cameraman原圖的圖像數(shù)據(jù)場，圖2(h)顯示了影響因子o=4.0時的加噪后的cameraman圖像數(shù)據(jù)場，圖2(i)顯示了影響因子o=10.0時的cameraman原圖的圖像數(shù)據(jù)場，圖2(j)顯示了影響因子o=10.0時的加噪后的cameraman圖像數(shù)據(jù)場；圖3顯示了基于數(shù)據(jù)場的交互式圖像分割的過程，其中圖3(a)顯示了cameraman原圖，圖3(b)顯示了所生成的初始圖像數(shù)據(jù)場，圖3(c)顯示了疊加了原始圖像的最優(yōu)因子下的圖像數(shù)據(jù)場，圖3(d)顯示了沒有疊加圖像的最優(yōu)影響因子下圖像數(shù)據(jù)場，圖3(e)顯示了交互式選擇提取特定目標(手)的等勢值的閾值，從而提取出感興趣目標，圖3(f)顯示了利用交互式方法實現(xiàn)圖像分割的結果，有效地提取了感興趣目標(手部)；圖4顯示了基于等勢值的自動分割的圖像分割過程，其中圖4(a)顯示了原始圖像，圖4(b)顯示了疊加了原始圖像的最優(yōu)影響因子下圖像數(shù)據(jù)場，圖4(c)顯示了沒有疊加原始圖像的最優(yōu)影響因子下圖像數(shù)據(jù)場，圖4(d)顯示了根據(jù)輸入類數(shù)10自動實現(xiàn)分割的結果；圖5顯示了基于"勢值_頻率"的圖像分割過程，其中圖5(a)顯示了Lena原始圖像，圖5(b)顯示了所生成的圖像數(shù)據(jù)場，圖5(c)顯示了所生成的"勢值-頻率"數(shù)據(jù)點，圖5(d)顯示了所生成的二維"勢值-頻率"數(shù)據(jù)場，圖5(e)顯示了所生成的三維"勢值-頻率"數(shù)據(jù)場，圖5(f)顯示了第一次消除勢心的結果，圖5(g)顯示了第二次消除勢心的結果，圖5(h)顯示了第三次消除勢心的結果，圖5(i)顯示了根據(jù)聚類中心實現(xiàn)圖像分割的結果；圖6顯示了與其它方法進行對比實驗的實驗原圖，其中圖6(a)顯示了Polygon圖像，圖6(b)顯示了Flower圖像，圖6(c)顯示了加噪后信噪比為26的Fingerprint圖像。具體實施例方式本發(fā)明的基于數(shù)據(jù)場的圖像分割方法包括圖像數(shù)據(jù)場的生成、基于數(shù)據(jù)場的交互式分割、基于等勢值的自動分割、基于"勢值-頻率"的分割等關鍵技術。(1)圖像數(shù)據(jù)場的生成給定mXn像素的灰度圖像A^n，若將每個像素點視為二維空間中的一個數(shù)據(jù)對象，將像素點的灰度Pij=A(i，j)(i=1，2，3，…，m;j=1，2，3，…，n)視為數(shù)據(jù)對象的質量(假設灰度值Pu已歸一到區(qū)間)，則所有像素點在二維數(shù)據(jù)空間中的相互作用就可以確定一個圖像數(shù)據(jù)場。根據(jù)數(shù)據(jù)場的勢函數(shù)公式，場中任一點x的勢值可以計算為根據(jù)以上公式計算得到每個圖像像素的勢值，根據(jù)圖像像素的勢值生成等勢線，從而生成圖像數(shù)據(jù)場。(2)基于數(shù)據(jù)場的交互式分割根據(jù)圖像數(shù)據(jù)場的生成方法生成圖像數(shù)據(jù)場后，通過放大、移動圖像數(shù)據(jù)場，人機交互地選擇合適的勢值作為分割閾值，從而提取出感興趣的目標。具體包括以下步驟1)對于一幅灰度圖像，根據(jù)第一步(圖像數(shù)據(jù)場的生成)中所介紹的方法生成該圖像的數(shù)據(jù)場；2)根據(jù)噪聲或分割目標情況，調(diào)整影響因子，重新生成圖像數(shù)據(jù)場；3)通過放大、移動圖像數(shù)據(jù)場，觀察目標所對應的勢值區(qū)間；4)設置分割閾值，對圖像數(shù)據(jù)場進行分割；5)獲得圖像分割的初始結果；6)觀察分割結果，若不理想，繼續(xù)調(diào)整影響因子，重新進行分割，直到滿足要求為止。(3)基于等勢值的自動分割關鍵技術(2)中所介紹的交互式圖像分割方法的優(yōu)點在于在分割中可人機交互地調(diào)整參數(shù)以取得滿意的分割結果。然而，太多參數(shù)輸入和所確定閾值的主觀性是該方法的一個弊端。因此，在圖像數(shù)據(jù)場的基礎上，可以根據(jù)等勢值實現(xiàn)自動圖像分割。其基本思路是找到圖像數(shù)據(jù)場的最大值和最小值，根據(jù)所要分割類數(shù)進行平均分割取值，從而得到針對圖像數(shù)據(jù)場的自動分割閾值，從而實現(xiàn)圖像分割。具體包括以下步驟l)生成圖像數(shù)據(jù)場；2)根據(jù)噪聲情況和分割目的，調(diào)整影響因子，得到最佳圖像數(shù)據(jù)場；3)確定分割類數(shù)，輸入相關參數(shù)(分割類數(shù))；4)根據(jù)所輸入的分割類數(shù)實現(xiàn)圖像分割。(4)基于"勢值-頻率"的分割根據(jù)圖像數(shù)據(jù)場，構建具有二維屬性的數(shù)據(jù)點，以勢值為橫坐標、相應頻率為縱坐標。由這些點生成"勢值-頻率"數(shù)據(jù)場，使其自然聚類，既考慮了勢值域的距離，又考慮了頻率域的差距。通過消除勢心的方法，依次找到聚類中心。根據(jù)聚類中心對應的勢值，進行自動圖像分割。這就是基于"勢值-頻率數(shù)據(jù)場"的自動圖像分割的思想。該方法具體包括以下步驟1)生成圖像數(shù)據(jù)場；2)根據(jù)圖像數(shù)據(jù)場的等勢值，尋找最大、最小勢值；3)根據(jù)最大最小勢值，計算對應的頻率，生成"勢值-頻率"數(shù)據(jù)點；4)對數(shù)據(jù)點進行整理，除去勢值兩端頻率為零的數(shù)據(jù)點，然后根據(jù)這些數(shù)據(jù)點，生成"勢值-頻率"數(shù)據(jù)場；5)依次消除數(shù)據(jù)場的勢心，生成各個聚類中心；6)根據(jù)聚類中心自動實現(xiàn)圖像分割。下面通過一個實施例，詳細說明本發(fā)明的基于數(shù)據(jù)場的圖像分割方法。本發(fā)明的基于數(shù)據(jù)場的圖像分割方法包括以下步驟把圖像中每個像素定義為二維空間中的一個數(shù)據(jù)對象；把像素的灰度值定義為所述數(shù)據(jù)對象的質量；利用每個像素的灰度值，得到每個像素的勢值；根據(jù)所述像素的等勢值生成等勢線，從而生成圖像數(shù)據(jù)場；以及利用所述數(shù)據(jù)場分割圖像。這里可以按照勢值從大到小或者從小到大的趨勢生成等勢線。其中所述數(shù)據(jù)場中任意點x的像素勢值通過以下勢函數(shù)公式得到其中，Pij=A(i，j)(i=1，2，3，…，m;j二l，2，3，…，n)是像素灰度值，A是灰度圖像，o是影響因子。利用數(shù)據(jù)場分割圖像是基于數(shù)據(jù)場的交互式分割，包括以下步驟通過放大、移動圖像數(shù)據(jù)場，人機交互式地選擇合適的勢值作為分割閾值；利用所述分割閾值，對圖像數(shù)據(jù)場進行分割。圖像數(shù)據(jù)場是根據(jù)圖像像素點在二維數(shù)據(jù)空間中的相互作用，利用數(shù)據(jù)場勢函數(shù)計算公式^c^ZZ^.xe—(1"")2計算出每個像素點所在位置的勢值，勢值反映了該像素與周圍像素的相互作用的大小。圖像分割是把圖像分割成各個具有相似特性的區(qū)域，每種圖像區(qū)域內(nèi)部的像素間具有相似的特性，像素間具有相互作用，因此可以利用圖像數(shù)據(jù)場的勢值反映這種相互作用的大小。因此，可以根據(jù)這種相互作用的大小實現(xiàn)圖像分割。由于圖像數(shù)據(jù)場包括具有不同勢值的區(qū)間，因此利用分割閾值，對圖像數(shù)據(jù)場進行分割，就是提取與該分割閾值范圍相對應的興趣目標。以圖1為例，如果目的是為了提取出"手"，通過放大局部數(shù)據(jù)場，觀察目標"手"的勢值區(qū)間，通過觀察，設定閾值為52.068142，從而提取該閾值52.068142±3.06范圍的目標"手"。其中，所述的人機交互式地選擇合適的勢值作為分割閾值的步驟包括根據(jù)噪聲或分割興趣目標狀況，調(diào)整影響因子o，得到較佳圖像數(shù)據(jù)場；通過放大、移動圖像數(shù)據(jù)場，找到興趣目標所對應的勢值區(qū)間；從所述勢值區(qū)間中選擇一個合適的勢值。其中，所述的利用數(shù)據(jù)場分割圖像是基于等勢值的自動分割，包括以下步驟從所述圖像數(shù)據(jù)場中找到勢值最大值和最小值；依據(jù)所要分割的分割類數(shù)，從所述勢值最大值與最小值的區(qū)間進行平均分割取值，從而得到針對圖像數(shù)據(jù)場的自動分割閾值；以及利用所述自動分割閾值，對圖像進行自動分割。根據(jù)圖像數(shù)據(jù)場實現(xiàn)圖像分割的主要思想就是根據(jù)圖像數(shù)據(jù)場勢值大小確定不同的圖像分類區(qū)域，因此必須找出圖像數(shù)據(jù)場勢值的最大值和最小值，根據(jù)最大值和最小確定數(shù)據(jù)場勢值的區(qū)間，然后對該區(qū)間進行聚類劃分，劃分為各個子類，每個子類對應一個圖像區(qū)域和圖像類型，從而實現(xiàn)圖像分割。這里所述的利用所述自動分割閾值，對圖像進行自動分割，就是提取其勢值與自動分割閾值或者其范圍相對應的子類。對于圖像分割來說，每個圖像區(qū)域和圖像類型對應一定的圖像灰度區(qū)間，從而對應一定的圖像數(shù)據(jù)場的勢值區(qū)間。在圖像分割過程中，具體分割成多少個區(qū)域可以由用戶根據(jù)實際需要來確定。例如對于某個圖像，用戶需要提取出指定數(shù)目的圖像目標，根據(jù)指定的圖像目標的數(shù)目對數(shù)據(jù)場勢值范圍進行平均劃分，可以實現(xiàn)自動圖像分割。其中，所述分割類數(shù)通過以下步驟得到根據(jù)噪聲和分割興趣目標狀況，調(diào)整影響因子o，得到最佳圖像數(shù)據(jù)場；依據(jù)最佳圖像數(shù)據(jù)場中的不同勢值所對應的像素聚類圖形，選取像素聚類的數(shù)量，以此作為分割類數(shù)。其中，所述自動分割閾值包括多個適于不同區(qū)間的分割閾值，其數(shù)量對應于所述分割類數(shù)。其中，所述的利用數(shù)據(jù)場分割圖像是基于勢值-頻率分割，包括以下步驟根據(jù)所述圖像數(shù)據(jù)場的等勢值，尋找最大、最小勢值；計算最大、最小勢值區(qū)間內(nèi)每個勢值對應的頻率，由此生成勢值與頻率一一對應的數(shù)據(jù)點；除去勢值兩端頻率為零的數(shù)據(jù)點，然后根據(jù)這些數(shù)據(jù)點，生成勢值-頻率數(shù)據(jù)場；依次消除數(shù)據(jù)場的勢心，生成各個聚類中心；根據(jù)聚類中心自動實現(xiàn)圖像分割。確定了圖像數(shù)據(jù)場的勢值最大值和最小值區(qū)間以后，分別統(tǒng)計該區(qū)間的每個勢值所對應的像素點的數(shù)目，然后除以像素點的總數(shù)目，就可以得到具有該勢值的像素點的頻率。例如對于勢值最大值于和最小值之間的某個勢值，如52.O，分別統(tǒng)計整個圖像數(shù)據(jù)場中具有該勢值的像素點數(shù)，然后除于總像素數(shù)，得到具有該勢值的頻率。從數(shù)據(jù)場中可以看出，勢場的極值位置，往往代表了一些數(shù)據(jù)的聚類中心，因為這些局部極值體現(xiàn)了局部數(shù)據(jù)的整體特性。找到數(shù)據(jù)場中的這些勢值的極值，也就等同于找到了這些數(shù)據(jù)的聚類中心。所謂數(shù)據(jù)場的勢心就是指這些數(shù)據(jù)場的聚類中心。消除數(shù)據(jù)場的勢心的方法可以是在獲取下一個聚類中心點之前，有必要削除剛才辯識過的聚類中心點的影響。是為了剔除辯識過的聚類中心點對再次聚類的影響，所以修改的焦點是數(shù)據(jù)輻射半徑，使辯識過的聚類勢心點的勢值為0。在每次削除勢心后，都應該再次重新計算數(shù)據(jù)場的場強。因此，修改后得到的新場強函數(shù)是一個遞推函數(shù)式。生成各個聚類中心可以這樣實現(xiàn)首先找出第一個聚類中心，然后利用前述的消除數(shù)據(jù)場勢心的方法得到消除勢心后的數(shù)據(jù)場，然后從消除勢心后的數(shù)據(jù)場再次找聚類中心，得到第二個聚類中心；然后再利用消除勢心的方法得到消除后的數(shù)據(jù)場，然后再找聚類中心，這樣得到第三個聚類中心。依此類推得到各個聚類中心。通過對圖像數(shù)據(jù)場進行聚類，得到不同的聚類，每個聚類有一個聚類中心，根據(jù)聚類中心確定不同的聚類，每個類對應一個圖像類型和圖像區(qū)域，對屬于每一個聚類的圖像像素賦予一種圖像類型，從而實現(xiàn)圖像分割。其中，所述生成勢值_頻率數(shù)據(jù)場的步驟包括在勢值為橫坐標軸、相應頻率為縱坐標軸的二維坐標上，構建勢值與頻率一一對應的數(shù)據(jù)點，由這些數(shù)據(jù)點形成勢值-頻率數(shù)據(jù)場。下面通過幾個實例，進行進一步說明。實例1:圖1顯示了圖像數(shù)據(jù)場的生成。實例2:圖2顯示了影響因子對cameraman原圖和加噪后圖像數(shù)據(jù)場的影響，反映了通過確定合適的影響因子，可以很好地減少噪聲的影響。實例3:圖3顯示了基于數(shù)據(jù)場的交互式圖像分割的過程。實驗結果表明該方法取得了較好的效果，能夠很好地提取出感興趣目標(手部)。實例4:圖4顯示了基于等勢值的自動分割的圖像分割過程。實驗表明該方法能夠方便快捷地實現(xiàn)圖像的自動分割。實例5:圖5顯示了基于"勢值_頻率"的圖像分割過程。實驗表明該方法取得了很好的分割效果。實例6:選取如圖6所示的三幅實驗圖像Polygon圖像、Flower圖像和加噪后信噪比為26的Fingerprint圖像進行對比實驗，將基于數(shù)據(jù)場的等勢值的圖像分割方法與最優(yōu)閾值分割法、模糊C均值聚類FCM圖像方法進行誤分率的對比分析，對比分析結果如表1所示。表1:不同圖像分割方法的誤分率對比<table>tableseeoriginaldocumentpage10</column></row><table>由表1可以看出，總體上，這三種方法都比較有效。對最為簡單的Polygon圖像，這三種算法都表現(xiàn)出很好的性能，但基于數(shù)據(jù)場的等勢值分割方法稍差；對較為復雜的Flower圖像，這三種方法性能上比較接近；而對有噪聲點的Fingerpinter圖像，基于數(shù)據(jù)場的方法又表顯了其優(yōu)勢。表明數(shù)據(jù)場圖像分割方法有很好的抗噪性。盡管上文對本發(fā)明進行了詳細說明，但是本發(fā)明不限于此，本
技術領域：
技術人員可以根據(jù)本發(fā)明的原理進行各種修改。因此，凡按照本發(fā)明原理所作的修改，都應當理解為落入本發(fā)明的保護范圍。權利要求一種基于數(shù)據(jù)場的圖像分割方法，包括首先生成圖像數(shù)據(jù)場；然后進行基于數(shù)據(jù)場的圖像交互式分割，或者進行基于等勢值的圖像自動分割，或者進行基于“勢值-頻率”的圖像分割。2.—種基于數(shù)據(jù)場的圖像分割方法，包括以下步驟把圖像中每個像素定義為二維空間中的一個數(shù)據(jù)對象；把像素的灰度值定義為所述數(shù)據(jù)對象的質量；利用每個像素的灰度值，得到每個像素的勢值；根據(jù)所述像素的等勢值生成等勢線，從而生成圖像數(shù)據(jù)場；以及利用所述數(shù)據(jù)場分割圖像。3.根據(jù)權利要求1或2所述的圖像分割方法，其中所述數(shù)據(jù)場中任意點x的像素勢值通過以下勢函數(shù)公式得到其中，Pij=A(i，j)(i=1，2，3，…，m;j二l，2，3，…，n)是像素灰度值，A是灰度圖像，o是影響因子。4.根據(jù)權利要求1或2或3所述的圖像分割方法，其中所述的利用數(shù)據(jù)場分割圖像是基于數(shù)據(jù)場的交互式分割，包括以下步驟通過放大、移動圖像數(shù)據(jù)場，人機交互式地選擇合適的勢值作為分割閾值；利用所述分割閾值，對圖像數(shù)據(jù)場進行分割。5.根據(jù)權利要求4所述的圖像分割方法，其中所述的人機交互式地選擇合適的勢值作為分割閾值的步驟包括根據(jù)噪聲或分割興趣目標狀況，調(diào)整影響因子o，得到較佳圖像數(shù)據(jù)場；通過放大、移動圖像數(shù)據(jù)場，找到興趣目標所對應的勢值區(qū)間(范圍)；從所述勢值區(qū)間中選擇一個合適的勢值。6.根據(jù)權利要求1或2或3所述的圖像分割方法，其中所述的利用數(shù)據(jù)場分割圖像是基于等勢值的自動分割，包括以下步驟從所述圖像數(shù)據(jù)場中找到勢值最大值和最小值；依據(jù)所要分割的分割類數(shù)，從所述勢值最大值與最小值的區(qū)間進行平均分割取值，從而得到針對圖像數(shù)據(jù)場的自動分割閾值；以及利用所述自動分割閾值，對圖像分割進行自動分割。7.根據(jù)權利要求6所述的圖像分割方法，其中所述分割類數(shù)通過以下步驟得到根據(jù)噪聲和分割興趣目標狀況，調(diào)整影響因子o，得到最佳圖像數(shù)據(jù)場；依據(jù)最佳圖像數(shù)據(jù)場中的不同勢值所對應的像素聚類圖形，選取像素聚類的數(shù)量，以此作為分割類數(shù)。8.根據(jù)權利要求6所述的圖像分割方法，其中所述自動分割閾值包括多個適于不同區(qū)間的分割閾值，其數(shù)量對應于所述分割類數(shù)。9.根據(jù)權利要求1或2或3所述的圖像分割方法，其中所述的利用數(shù)據(jù)場分割圖像是基于勢值_頻率分割，包括以下步驟根據(jù)所述圖像數(shù)據(jù)場的等勢值，尋找最大、最小勢值；計算最大、最小勢值區(qū)間內(nèi)每個勢值對應的頻率，由此生成勢值與頻率一一對應的數(shù)據(jù)點；除去勢值兩端頻率為零的數(shù)據(jù)點，然后根據(jù)這些數(shù)據(jù)點，生成勢值-頻率數(shù)據(jù)場；依次消除數(shù)據(jù)場的勢心，生成各個聚類中心；根據(jù)聚類中心自動實現(xiàn)圖像分割。10.根據(jù)權利要求9所述的圖像分割方法，其中所述生成勢值_頻率數(shù)據(jù)場的步驟包括在勢值為橫坐標軸、相應頻率為縱坐標軸的二維坐標上，構建勢值與頻率一一對應的數(shù)據(jù)點，由這些數(shù)據(jù)點形成勢值_頻率數(shù)據(jù)場。全文摘要本發(fā)明公開了一種基于數(shù)據(jù)場的圖像分割方法，包括把圖像中每個像素定義為二維空間中的一個數(shù)據(jù)對象；把像素的灰度值定義為所述數(shù)據(jù)對象的質量；利用每個像素的灰度值，得到每個像素的勢值；根據(jù)所述像素的等勢值生成等勢線，從而生成圖像數(shù)據(jù)場；以及利用所述數(shù)據(jù)場分割圖像。實驗表明，相對于現(xiàn)有技術，本發(fā)明的方法可以得到更好的圖像分割效果，并且還具有很好的抗噪性。文檔編號G06T7/00GK101727656SQ20081017223公開日2010年6月9日申請日期2008年10月31日優(yōu)先權日2008年10月31日發(fā)明者孔祥兵,孫巖,李德毅,杜鹢,秦昆申請人:李德毅;杜鹢;秦昆;孔祥兵;孫巖