專利名稱：閾值約束最小生成樹算法的區(qū)域合并方法
技術(shù)領(lǐng)域：
本發(fā)明涉及圖像處理技術(shù)，具體的說，涉及一種對分水嶺分割產(chǎn)生的“過分割”區(qū) 域進行閾值約束最小生成樹算法的區(qū)域合并方法。
背景技術(shù)：
分水嶺算法是一種基于數(shù)學形態(tài)的圖像分割方法，它的優(yōu)點是全局分割、邊界閉 合、實現(xiàn)效率高、準確率高，并且在算法的穩(wěn)定性以及實用性上都具有優(yōu)勢。但分水嶺變換 基于梯度幅度圖像進行，易受噪聲影響，導致分水嶺分割結(jié)果產(chǎn)生大量的“過分割”區(qū)域。針 對分水嶺算法的“過分割”問題，一般采用分割前的圖像預處理，即圖像濾波，和分割后的區(qū) 域合并減少“過分割”。相比圖像預處理操作，分割后區(qū)域合并是更為有效地減少“過分割” 的手段。目前常用的合并方法主要是閾值約束和基于圖論的方法，其中圖論中的方法主要 ^lli舌匿令P (region adjacency graph, RAG)(nearest neighbor graph, NNG)。在RAG方法中，區(qū)域合并的順序和區(qū)域的標記順序有關(guān)，標記的順序不同，區(qū)域合并 的順序就不同，合并結(jié)果也不同，并且RAG方法不能保證鄰近區(qū)域中特征差異最小的區(qū)域 最先合并；NNG方法是對RAG方法的改進，雖然合并結(jié)果不隨標記順序變化，但是NNG方法 只在局部區(qū)域范圍考慮內(nèi)保證特征差異最小的區(qū)域最先合并，合并不是全局最優(yōu)的，并且 包含很多冗余操作，效率不高。

發(fā)明內(nèi)容
本發(fā)明提供一種對分水嶺分割的“過分割”區(qū)域進行閾值約束最小生成樹算法的 快速有效的區(qū)域合并方法。本發(fā)明的基本思路為對分水嶺分割的結(jié)果構(gòu)建區(qū)域鄰接圖；對構(gòu)建的圖進行閾 值約束最小生成樹算法合并“過分割”區(qū)域。常規(guī)的基于閾值的合并準則只依賴閾值，隨機 地從某個區(qū)域開始合并操作，開始的區(qū)域不同，合并的次序不同，合同的結(jié)果也不同。本發(fā) 明結(jié)合圖論的最小生成樹算法和常規(guī)的閾值約束進行合并，使相似的鄰接區(qū)域優(yōu)先合并， 快速有效地合并掉過大量“過分割”區(qū)域，避免單純依據(jù)閾值不能有效獲得勻質(zhì)區(qū)域的問 題。本發(fā)明的技術(shù)方案提供的閾值約束最小生成樹算法的區(qū)域合并方法，其特征在于 包括以下實施步驟A對圖像進行分水嶺分割；B對分水嶺分割的結(jié)果構(gòu)建區(qū)域鄰接圖；C依據(jù)圖論中的最小生成樹Boruvka算法結(jié)合閾值約束進行圖合并，使相似的鄰 接區(qū)域優(yōu)先合并，并更新合并結(jié)果；D依據(jù)圖論中的最小生成樹Kruskal算法結(jié)合閾值約束對步驟C中的合并結(jié)果進 行圖合并，使相似的鄰接區(qū)域優(yōu)先合并，并更新合并結(jié)果；E設(shè)置迭代次數(shù)，通過執(zhí)行步驟D進行迭代合并，得到最終的合并結(jié)果。
上述實施步驟的特征在于步驟B中所述的區(qū)域鄰接圖是以分割的區(qū)域為圖的頂點，相鄰區(qū)域的鄰接關(guān)系形 成圖的邊，鄰接區(qū)域間的特征差異為圖中連接兩個頂點的邊的權(quán)值；鄰接區(qū)域間的特征差 異通過鄰接區(qū)域的光譜均值差異、紋理差異、鄰接區(qū)域公共邊界的平均邊界強度定義；步驟C中所述的依據(jù)圖論中的最小生成樹Boruvka算法結(jié)合閾值約束的圖合并， 其特征是在最小樹生成的過程中加入邊的權(quán)值的閾值進行約束，使得最小樹的生成會在中 間被打斷，成為若干個樹，樹的個數(shù)表示合并后區(qū)域的個數(shù)，樹的頂點表示合并的區(qū)域。步驟D中所述的依據(jù)圖論中的最小生成樹Kruskal算法結(jié)合閾值約束的圖合并， 其特征是在最小樹生成的過程中加入邊的權(quán)值的閾值進行約束，使得最小樹的生成會在中 間被打斷，成為若干個樹，樹的個數(shù)表示合并后區(qū)域的個數(shù)，樹的頂點表示合并的區(qū)域。步驟E中所述的迭代合并過程是指每一迭代前都要對上一次區(qū)域合并后更新的 結(jié)果，構(gòu)建新的區(qū)域鄰接圖，然后按照步驟D進行圖合并。本發(fā)明與現(xiàn)有技術(shù)相比有如下特點本發(fā)明中利用圖論構(gòu)造最小生成樹的算法確 定“過分割”區(qū)域合并的順序，結(jié)合常用的閾值約束方法，依次使用一次Boruvka算法和迭 代使用Kruskal算法進行區(qū)域，不僅使“過分割”區(qū)域大量快速減少，提高了合并的效率，同 時獲得比較好的合并效果。


圖1對分水嶺分割進行合并的流程2由分割區(qū)域生成的區(qū)域鄰接圖示意!BBoruvka算法進行區(qū)域合并的流程4Kruskal算法進行區(qū)域合并的流程5分割區(qū)域鄰接關(guān)系結(jié)構(gòu)示意圖
具體實施例方式下面結(jié)合附圖通過實施例對本發(fā)明作進一步的詳細說明。本發(fā)明所述的閾值約束最小生成樹算法的區(qū)域合并方法的實現(xiàn)流程如圖1所示， 圖1包括4個單元。本實施例中的圖合并將使用Boruvk^Kruskal兩種算法構(gòu)造最小生成 樹。單元100對圖像進行分水嶺分割的單元。單元101為構(gòu)建區(qū)域鄰接圖的單元。將處理單元100獲得的分水嶺初始分割的結(jié) 果表示為圖結(jié)構(gòu)，如圖2所示，將所有分割的區(qū)域作為圖的頂點，區(qū)域的鄰接關(guān)系構(gòu)成圖的 邊，鄰接區(qū)域間的特征差定義為邊的權(quán)值。圖的頂點個數(shù)與分割區(qū)域的個數(shù)相同。圖中邊的權(quán)值，即鄰接區(qū)域的特征差通過區(qū)域之間的光譜距離、紋理距離 和鄰接區(qū)域公共邊界的強度來定義=CKRi, Rj) = (^(Ri, Rj), 4( , R」))T，其中(!(Ri, Rj)為區(qū)域 Ri 和 Rj 的特征差，^(氏，Rj) = WXdspectral (Ri, Rj)+ (1-w) X dtexture(Ri, Rj),
d^Rj) ^-Yjg^ixk,yk) ； dspectral(Ri; Rj)是兩個區(qū)域之間的光譜距離，定義為兩個區(qū) n k=l
域均值間的歐式距離；(^χ_α^，Rj)是兩個區(qū)域之間的紋理距離，定義為兩個區(qū)域方差間的歐式距離M2(RpRj)是兩個鄰接區(qū)域公共邊界的強度，定義為公共邊界的平均強度，這里 W為光譜距離和4ρε。 Μ 0^，Rj)和紋理距離Rj)分配的權(quán)重，0#wl，一般設(shè)置W = 0. 5 ；η為鄰接區(qū)域公共邊界上點的個數(shù)，(而，凡)是區(qū)域Ri和Rj公共邊界上點(xk，yk) 的強度。在后續(xù)的處理單元中，約定區(qū)域間特征差的閾值β指閾值向量β = β2) Τ ；邊的權(quán)值小于或大于閾值向量指邊的權(quán)值的每個分量小于或大于閾值的對應(yīng)分量，即 Cl(RpRj) ￡ β 等價于(Μβ”^ β2。單元102為閾值約束最小生成樹算法圖合并單元。由于區(qū)域合并的次序不同，結(jié) 果會不同。本發(fā)明中區(qū)域合并的順序由圖的最小生成樹的生成順序確定。本發(fā)明使用的圖 的最小生成樹算法主要包括Boruvka算、Kruskal算法。由于最小生成樹算法會生成一顆 完整的樹，但這不是分割的目標，因此本發(fā)明結(jié)合閾值約束方法，使分割區(qū)域不能最終合并 成一個完整的樹，這時所剩的樹的個數(shù)表示合并后區(qū)域的個數(shù)，每個樹中的節(jié)點表示合并 的區(qū)域。本發(fā)明的區(qū)域合并算法首先進行一次Boruvka算法合并，合并流程如圖3所示；然 后迭代進行Kruskal算法合并，合并流程如圖4所示。Boruvka算法合并主要步驟如下單元A預先設(shè)置圖合并區(qū)域間特征差異的閾值，以保證最后樹的合并會在中間終 止，并生成合 并結(jié)果；單元B將單元101構(gòu)建的區(qū)域鄰接圖保存至一個列表結(jié)構(gòu)中，其中列表的長度是 邊的數(shù)目，以邊為序號，列表的每個元是一個結(jié)構(gòu)，該結(jié)構(gòu)中包括四個元素邊的序號、連接 邊的兩個頂點及邊的權(quán)值。圖5所示為列表中元素的結(jié)構(gòu)示意圖；單元C將單元B中的列表按照邊的權(quán)值的第一或第二分量升序排序，值小的排在 前。本發(fā)明的實施例中依據(jù)邊權(quán)值的第一分量對邊進行排序；單元D用來生成若干樹，每個樹中的頂點認為是被合并了的區(qū)域。生成樹的過程 如下首先初始化一個新樹，樹中有權(quán)值最小的邊和連接該邊的兩個頂點；然后依據(jù)單元 C中邊的排序依次遍歷所有的邊，判斷是否可將該邊和連接邊的兩個頂點添加到樹中。依 次執(zhí)行下列樹生長的判斷如果邊所連接的兩個頂點已經(jīng)在樹中，就不添加這個邊到樹中； 如果其中一個頂點在已有樹中，另一個頂點不在已有樹中，并且邊的權(quán)值小于預先給定的 閾值，將另一個頂點也添加進樹中；如果兩個頂點都不在已有的樹中，并且邊的權(quán)值小于預 先給定的閾值就初始化一個新樹；單元E是樹的連接單元。整理單元D生成的樹，將不在樹中的邊按照權(quán)值第一分量 的大小重新以升序排列，遍歷這些邊，如果邊連接的兩個頂點在同一棵樹中，則不添加這個 邊到連接連接邊的頂點所在的樹中，防止產(chǎn)生閉環(huán)；如果邊連接的兩個頂點在不同的樹中， 且邊的權(quán)值是否小于預先給定的閾值，添加邊進樹中，使邊的兩個頂點連接起來，成為一個 更大的樹；單元F是整理單元。整理經(jīng)過單元E處理后生成的樹，將每個樹作為一個區(qū)域，該 區(qū)域是樹中所有頂點所代表的區(qū)域合并的結(jié)果，更新合并后區(qū)域的光譜特征、紋理特征、區(qū) 域的鄰接區(qū)域、鄰接區(qū)域之間的公共邊界及邊界強度。最后將更新后的區(qū)域按照單元101 的方法重新構(gòu)建區(qū)域鄰接圖；單元G是合并后的結(jié)果。
迭代的Kruskal算法合并的主要步驟如下 單元H預先設(shè)置圖合并的迭代次數(shù)和區(qū)域間特征差的閾值，使每次迭代的閾值隨 著迭代次數(shù)線性增加，以保證最后樹的合并會在中間終止，并生成多尺度的合并結(jié)果；單元I將單元G構(gòu)建的區(qū)域鄰接圖保存至一個列表結(jié)構(gòu)中，其中列表的長度是邊 的數(shù)目，以邊為序號，列表的每個元是一個結(jié)構(gòu)，該結(jié)構(gòu)中包括四個成員邊的序號、連接邊 的兩個頂點及邊的權(quán)值。圖5所示為列表中成員的結(jié)構(gòu)示意圖；單元J將單元I中的列表按照邊的權(quán)值的第一或第二分量升序排序，值小的排在 前。本發(fā)明的實施例中依據(jù)邊權(quán)值的第一分量對邊進行排序；單元K用來生成若干樹，每個樹中的頂點認為是被合并了的區(qū)域。生成樹的過程 如下首先初始化一個新樹，樹中有權(quán)值最小的邊和連接該邊的兩個頂點；然后依據(jù)單元C 中邊的排序依次遍歷所有的邊，判斷是否可將該邊和連接邊的兩個頂點添加到樹中。依次 執(zhí)行下列樹生長的判斷如果邊所連接的兩個頂點已經(jīng)在不同的樹中，并且邊的權(quán)值小于 預先給定的閾值，就把兩棵樹連接起來稱為一棵大樹；如果其中一個頂點已經(jīng)在樹中，另一 頂點不在樹中入樹中，并且邊的權(quán)值小于預先給定的閾值，將另一個不在樹中的頂點也添 加進樹中；如果兩個頂點都不在已有的樹中，并且邊的權(quán)值小于預先設(shè)定的閾值則初始化 一個新樹；單元L是整理單元。整理經(jīng)過單元K處理后生成的樹，將每個樹作為一個區(qū)域，該 區(qū)域是樹中所有頂點所代表的區(qū)域合并的結(jié)果，更新合并后區(qū)域的光譜特征、紋理特征、區(qū) 域的鄰接區(qū)域、鄰接區(qū)域之間的公共邊界及邊界強度。最后將更新后的區(qū)域按照單元101 的方法重新構(gòu)建為一個區(qū)域鄰接圖；迭代執(zhí)行單元H-單元L，直到滿足迭代次數(shù)的要求；單元M是迭代完成后的結(jié)果。單元103為合并結(jié)果。本發(fā)明的一個實施例在PC平臺上實現(xiàn)，經(jīng)實驗驗證，該合并流程能夠快速有效的 合并掉“過分割”區(qū)域，得到較為理想的結(jié)果。首先進行的一次Boruvka算法合并，快速減 少了大量的“過分割”區(qū)域；迭代進行的Kruskal算法，在減少“過分割”區(qū)域的同時，保證 了特征差異小的區(qū)域優(yōu)先合并。應(yīng)當指出，本發(fā)明提供的區(qū)域合并方法不局限于分水嶺分割的結(jié)果，所有產(chǎn)生“過 分割”的圖像分割結(jié)果均可使用本發(fā)明對“過分割”區(qū)域進行合并。本發(fā)明所述具體實施方式
可以使本領(lǐng)域的技術(shù)人員更全面地理解本發(fā)明，但不以 任何方式限制本發(fā)明。因此，本領(lǐng)域技術(shù)人員應(yīng)當理解，仍然可以對本發(fā)明進行修改或者等 同替換；而一切不脫離本發(fā)明的精神和技術(shù)實質(zhì)的技術(shù)方案及其改進，其均應(yīng)涵蓋在本發(fā) 明專利的保護范圍當中。
權(quán)利要求
1.提供一種對分水嶺分割產(chǎn)生的“過分割”區(qū)域進行閾值約束最小生成樹的區(qū)域合并 方法，其特征在于包括以下步驟A對圖像進行分水嶺分割；B對分割結(jié)果構(gòu)建區(qū)域鄰接圖；C對構(gòu)建的圖進行閾值約束的最小生成樹算法的圖合并，形成合并結(jié)果；
2.根據(jù)權(quán)利要求1所述的方法，其特征在于步驟B中的區(qū)域鄰接圖的構(gòu)建以初始分割 的區(qū)域為圖的頂點，相鄰區(qū)域的鄰接關(guān)系形成圖的邊，鄰接區(qū)域間的特征差異表示為圖中 連接兩個頂點的邊的權(quán)值。
3.根據(jù)權(quán)利要求2所述的方法，其特征在于鄰接區(qū)域間的特征差異是通過鄰接區(qū)域的 光譜均值差異、紋理差異、鄰接區(qū)域公共邊界的平均邊界強度定義的。
4.根據(jù)權(quán)利要求1所述的步驟C中閾值約束最小生成樹算法的圖合并，其特征是在最 小樹生成的過程中加入邊權(quán)值的閾值約束，使得最小樹的生成會在中間被打斷，成為若干 個樹，樹的個數(shù)表示合并后區(qū)域的個數(shù)，樹中的頂點表示合并的區(qū)域。
5.根據(jù)權(quán)利要求4所述的閾值約束最小生成樹算法的圖合并特征為首先進行一次閾 值約束的Boruvka算法的圖合并，然后迭代進行閾值約束的Kruskal算法的圖合并。
6.根據(jù)權(quán)利要求5所述的方法，圖合并的次序為先進行一次Boruvka算法合并，將合 并結(jié)果構(gòu)建新的區(qū)域鄰接圖，并作為迭代Kruskal算法合并的輸入。
全文摘要
本發(fā)明提供一種對分水嶺分割產(chǎn)生的“過分割”區(qū)域進行閾值約束的最小生成樹的區(qū)域合并方法。該方法包括以下步驟對分水嶺分割結(jié)果建立區(qū)域鄰接圖；對構(gòu)建的圖進行閾值約束最小生成樹算法的圖合并，合并“過分割”區(qū)域，形成合并結(jié)果。
文檔編號G06T7/00GK102136145SQ201110106740
公開日2011年7月27日 申請日期2011年4月27日 優(yōu)先權(quán)日2011年4月27日
發(fā)明者唐娉, 邊釗 申請人:中國科學院遙感應(yīng)用研究所