本發(fā)明涉及圖像分割技術(shù)領(lǐng)域。更具體地，涉及一種基于多源路徑最短距離的交互式圖像分割方法。

背景技術(shù)：

圖像分割為根據(jù)圖像中像素之間的紋理、灰度及顏色等信息，將像素進(jìn)行歸類。圖像分割通常作為圖像處理、模式識別、計(jì)算機(jī)視覺等技術(shù)的預(yù)處理步驟，很大程度上能夠?qū)ψ罱K的目標(biāo)結(jié)果的準(zhǔn)確率或細(xì)致度等產(chǎn)生重要的影響。近些年來，由于上述技術(shù)的蓬勃發(fā)展，圖像分割越來越受到重視。

然而，由于圖像的復(fù)雜性及分割的主觀性，全自動(dòng)的圖像分割技術(shù)近些年來被學(xué)者們認(rèn)為是難以實(shí)現(xiàn)的，這也正是交互式圖像分割算法一直占據(jù)統(tǒng)治地位的原因之一。在交互式分割算法中，占據(jù)主導(dǎo)地位的兩類經(jīng)典圖像分割算法為：圖割(graph cuts)算法和隨機(jī)游走(random walks)算法。

對于圖割算法，其主要思想是將前景像素種子點(diǎn)和背景像素種子點(diǎn)視為源/匯節(jié)點(diǎn)，進(jìn)而將圖像分割問題轉(zhuǎn)化為最大流最小割問題。然而，由于此種“最小割”思想一定程度上會(huì)尋找最小的邊界長度，從而在實(shí)踐中會(huì)引發(fā)“shortcut”問題。并且，圖割算法對于噪聲的魯棒性并不強(qiáng)，通常情況下需要對原始圖像做一些預(yù)處理來減少噪聲對最終分類結(jié)果的干擾。

對于隨機(jī)游走算法，其主要思想是首先求圖像中相鄰像素之間的轉(zhuǎn)移概率，并通過隨機(jī)游走算法，為每一個(gè)未標(biāo)定的像素尋找最大概率可達(dá)終點(diǎn)，從而實(shí)現(xiàn)圖像分割目的。然而，此類基于隨機(jī)游走的圖像分割算法所存在的一個(gè)共有問題是：其會(huì)通過平衡背景與前景之間的差距而導(dǎo)致對圖像細(xì)節(jié)分割的不理想。

并且，現(xiàn)有的基于圖論的圖像分割算法其邊權(quán)值的設(shè)定均為類高斯函數(shù)，雖然在一定程度上能夠降低“累積效應(yīng)”對于偏遠(yuǎn)像素點(diǎn)錯(cuò)分割的風(fēng)險(xiǎn)，然而，其卻往往會(huì)造成由于計(jì)算精度超出運(yùn)算范圍而產(chǎn)生另外的錯(cuò)誤分割結(jié)果。在實(shí)際應(yīng)用中，photoshop為用戶提供了基于smart scissors及基于閾值的摳圖工具。其中smart scissors摳圖過程需要一定量的人工干預(yù)，必須準(zhǔn)確地定位待分割圖像邊緣。基于閾值的摳圖工具應(yīng)用范圍狹窄，致使結(jié)果不能滿足絕大多數(shù)用戶的應(yīng)用需求。

因此，需要提供一種快速、準(zhǔn)確、便捷的基于多源路徑最短距離的交互式圖像分割方法。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的目的在于提供一種基于多源路徑最短距離的交互式圖像分割方法，針對現(xiàn)有的圖像分割方法中存在的效率低、準(zhǔn)確率低、存在“累積效應(yīng)”等問題。

為達(dá)到上述目的，本發(fā)明采用下述技術(shù)方案：

一種基于多源路徑最短距離的交互式圖像分割方法，包括如下步驟：

S1、根據(jù)圖像的像素值特征計(jì)算圖像中的像素點(diǎn)之間的邊權(quán)重，并根據(jù)像素點(diǎn)之間的邊權(quán)重將圖像轉(zhuǎn)化為無向加權(quán)圖；

S2、在圖像中的各待分割物體內(nèi)部分別標(biāo)記多個(gè)像素點(diǎn)作為各待分割物體的標(biāo)記點(diǎn)，待分割物體的標(biāo)記點(diǎn)帶有待分割物體各自的標(biāo)識；

S3、對圖像中所有未標(biāo)記的像素點(diǎn)依據(jù)無向加權(quán)圖尋找與其距離最近的標(biāo)記點(diǎn)，從而將圖像分割問題轉(zhuǎn)化為多源最短路徑搜索問題；

S4、以與各未標(biāo)記的像素點(diǎn)距離最近的標(biāo)記點(diǎn)的標(biāo)識標(biāo)記各未標(biāo)記的像素點(diǎn)，得到圖像中每個(gè)像素點(diǎn)帶有的標(biāo)識，并將帶有不同標(biāo)識的像素點(diǎn)的邊界標(biāo)記為分割邊界。

優(yōu)選地，步驟S1進(jìn)一步包括如下子步驟：

S1.1、設(shè)置計(jì)算邊權(quán)重的可達(dá)域；

S1.2、計(jì)算圖像中的各像素點(diǎn)與以各像素點(diǎn)為中心的可達(dá)域內(nèi)的像素點(diǎn)之間的邊權(quán)重，計(jì)算公式如下：

公式中，w_i,j為像素點(diǎn)i與像素點(diǎn)j之間的邊權(quán)重；I_i表示像素點(diǎn)i的灰度，δ為第一敏感因子，n為第二敏感因子；

S1.3、根據(jù)像素點(diǎn)之間的邊權(quán)重將圖像轉(zhuǎn)化為無向加權(quán)圖。

優(yōu)選地，可達(dá)域設(shè)置為5～20臨近可達(dá)。

優(yōu)選地，I_i為像素點(diǎn)的RGB值、灰度值或紋理特征值。

優(yōu)選地，第二敏感因子n設(shè)置為1，如果圖像為灰度圖像則第一敏感因子δ設(shè)置為1，如果圖像為彩色圖像則第一敏感因子δ設(shè)置為9。

優(yōu)選地，步驟S2中的標(biāo)記點(diǎn)為標(biāo)記的多個(gè)不連續(xù)的像素點(diǎn)或標(biāo)記的連續(xù)線條中的多個(gè)連續(xù)的像素點(diǎn)。

優(yōu)選地，步驟S3進(jìn)一步包括如下子步驟：

S3.1、建立與無向加權(quán)圖等大小且各元素的初始值均為無窮大的距離矩陣，并建立用于存放最終的分割結(jié)果且與距離矩陣等大小且各元素的初始值均為0的結(jié)果矩陣；

S3.2、將無向加權(quán)圖中各待分割物體的標(biāo)記點(diǎn)在距離矩陣中的對應(yīng)位置賦值為0、將無向加權(quán)圖中各待分割物體的標(biāo)記點(diǎn)在結(jié)果矩陣中的對應(yīng)位置賦值為與各待分割物體的標(biāo)記點(diǎn)各自的標(biāo)識對應(yīng)的數(shù)值；

S3.3、利用距離更新函數(shù)更新各未標(biāo)記的像素點(diǎn)在距離矩陣中的對應(yīng)位置的賦值，當(dāng)更新后未標(biāo)記的像素點(diǎn)在距離矩陣中的對應(yīng)位置的賦值小于其更新前的賦值時(shí)，接受更新后未標(biāo)記的像素點(diǎn)在距離矩陣中的對應(yīng)位置的賦值，并將該未標(biāo)記的像素點(diǎn)在結(jié)果矩陣中的對應(yīng)位置的賦值更新為距離更新函數(shù)中的邊權(quán)重中表示的標(biāo)記點(diǎn)在結(jié)果矩陣中的對應(yīng)位置的賦值；

距離更新函數(shù)如下：

dist(u′_new)＝dist(u′)*θ+w_u,u′

公式中，dist(u′)表示未標(biāo)記的像素點(diǎn)u′在距離矩陣dist中的對應(yīng)位置的賦值，θ為遺忘因子，w_u,u′表示未標(biāo)記的像素點(diǎn)u′與標(biāo)記點(diǎn)u之間的邊權(quán)重，dist(u′_new)表示更新后的未標(biāo)記的像素點(diǎn)u′在距離矩陣dist中的對應(yīng)位置的賦值。

優(yōu)選地，遺忘因子

本發(fā)明的有益效果如下：

本發(fā)明所述技術(shù)方案相比較如今較為流行的photoshop等軟件中的摳圖工具，不僅運(yùn)算速度更快，并且交互式更為友好、可控性強(qiáng)，在絕大多數(shù)情況下都能夠達(dá)到更理想的、高質(zhì)量的圖像分割結(jié)果。具體為：1.運(yùn)行效率均優(yōu)于傳統(tǒng)的圖割及隨機(jī)游走算法；2.運(yùn)行時(shí)間僅僅與圖像大小有關(guān)，而與交互式過程中設(shè)置種子點(diǎn)(如前景點(diǎn)、背景點(diǎn))多少無關(guān)；3.能夠?qū)崿F(xiàn)多目標(biāo)分割目的，并且算法運(yùn)行時(shí)間也僅僅與圖像大小有關(guān)；4.能夠有效避免由于噪聲引起的過分分割問題；5.相比較傳統(tǒng)的以類高斯函數(shù)聲明邊權(quán)值不同，本發(fā)明所述技術(shù)方案通過引入遺忘因子能夠在不超越計(jì)算機(jī)運(yùn)算精確度的前提下有效消除“累積效應(yīng)”。

附圖說明

下面結(jié)合附圖對本發(fā)明的具體實(shí)施方式作進(jìn)一步詳細(xì)的說明；

圖1示出一種基于多源路徑最短距離的交互式圖像分割方法。

具體實(shí)施方式

為了更清楚地說明本發(fā)明，下面結(jié)合優(yōu)選實(shí)施例和附圖對本發(fā)明做進(jìn)一步的說明。附圖中相似的部件以相同的附圖標(biāo)記進(jìn)行表示。本領(lǐng)域技術(shù)人員應(yīng)當(dāng)理解，下面所具體描述的內(nèi)容是說明性的而非限制性的，不應(yīng)以此限制本發(fā)明的保護(hù)范圍。

如圖1所示，本實(shí)施例提供的一種基于多源路徑最短距離的交互式圖像分割方法，包括如下步驟：

S1、根據(jù)圖像的像素值特征計(jì)算圖像中的像素點(diǎn)之間的邊權(quán)重，并根據(jù)像素點(diǎn)之間的邊權(quán)重將圖像轉(zhuǎn)化為無向加權(quán)圖；

S2、在圖像中的各待分割物體內(nèi)部分別標(biāo)記多個(gè)像素點(diǎn)作為各待分割物體的標(biāo)記點(diǎn)，待分割物體的標(biāo)記點(diǎn)帶有待分割物體各自的標(biāo)識；

S3、對圖像中所有未標(biāo)記的像素點(diǎn)依據(jù)無向加權(quán)圖尋找與其距離最近的標(biāo)記點(diǎn)，從而將圖像分割問題轉(zhuǎn)化為多源最短路徑搜索問題；

S4、以與各未標(biāo)記的像素點(diǎn)距離最近的標(biāo)記點(diǎn)的標(biāo)識標(biāo)記各未標(biāo)記的像素點(diǎn)，得到圖像中每個(gè)像素點(diǎn)帶有的標(biāo)識；將帶有不同標(biāo)識的像素點(diǎn)的邊界標(biāo)記為分割邊界，完成圖像分割。

本實(shí)施例中，步驟S1是整個(gè)基于多源路徑最短距離的交互式圖像分割方法的基礎(chǔ)，步驟S1進(jìn)一步包括如下子步驟：

S1.1、設(shè)置計(jì)算邊權(quán)重的可達(dá)域；

S1.2、計(jì)算圖像中的各像素點(diǎn)與以各像素點(diǎn)為中心的可達(dá)域內(nèi)的像素點(diǎn)之間的邊權(quán)重，計(jì)算公式如下：

公式(1)中，w_i,j為像素點(diǎn)i與像素點(diǎn)j之間的邊權(quán)重；I_i表示像素點(diǎn)i的灰度，針對不同的圖像類型，I_i為像素點(diǎn)的RGB值、灰度值或紋理特征值；δ為第一敏感因子，其值越大代表本實(shí)施例對像素灰度變化越不敏感，n為第二敏感因子，其同樣控制著本實(shí)施例對像素灰度的敏感度，但是其對像素灰度的敏感度的影響是指數(shù)性的，本實(shí)施例設(shè)置第二敏感因子n的目的是為了消除“累積效應(yīng)”；

S1.3、根據(jù)像素點(diǎn)之間的邊權(quán)重將圖像轉(zhuǎn)化為無向加權(quán)圖。

本實(shí)施例中，可達(dá)域根據(jù)圖像的大小及實(shí)際分割需求設(shè)置，通常設(shè)置為5～20臨近可達(dá)，本實(shí)施例中具體設(shè)置為8臨近可達(dá)，即每個(gè)像素點(diǎn)只與其周圍臨近的8個(gè)像素點(diǎn)計(jì)算像素點(diǎn)之間的邊權(quán)重，而與其余像素點(diǎn)的邊權(quán)重均設(shè)置為無窮大。

本實(shí)施例中，如果圖像為灰度圖像則第一敏感因子δ設(shè)置為1，如果圖像為彩色圖像則第一敏感因子δ設(shè)置為9，且為了不使距離函數(shù)超過計(jì)算機(jī)運(yùn)算精度(exp(255²)＝∞)，第二敏感因子n設(shè)置為1。需要說明的是，公式(1)中的“-1”尤為關(guān)鍵，由于exp前者的求值均大于等于1，為了避免“累積效應(yīng)”，本實(shí)施例規(guī)定具有相同顏色或者灰度的相鄰像素之間的邊權(quán)重為0，表示他們之間可以自由到達(dá)。所謂“累積效應(yīng)”，在本實(shí)施例中是指在本實(shí)施例的步驟S3中，當(dāng)某個(gè)未標(biāo)記的像素點(diǎn)與某個(gè)標(biāo)記點(diǎn)物理距離過遠(yuǎn)時(shí)，由于累積了路徑中所有的距離，很可能這個(gè)距離大于距離該某個(gè)未標(biāo)記的像素點(diǎn)物理距離近的另一標(biāo)記點(diǎn)，致使一些偏遠(yuǎn)的未標(biāo)記的像素點(diǎn)在步驟S4中被標(biāo)記錯(cuò)誤的標(biāo)識。因此，本實(shí)施例中將距離放大，即根據(jù)公式(1)來確定可達(dá)域內(nèi)的像素點(diǎn)之間的權(quán)重。

本實(shí)施例中的步驟S1解決了從灰度或是彩色圖像進(jìn)行無向加權(quán)圖建模的問題。此步驟往往為所有圖像分割步驟的初始步驟，本實(shí)施例與其他圖像分割步驟不同的是運(yùn)用了指數(shù)型函數(shù)來表示相鄰像素間的距離，而非其他圖像分割步驟中使用的高斯函數(shù)。即越相似的相鄰像素距離越近而非可達(dá)概率越大。并且，與隨機(jī)游走算法和圖割算法將敏感因子n設(shè)置為2不同，本實(shí)施例為了不使得距離函數(shù)超過計(jì)算機(jī)運(yùn)算精度限制，將第二敏感因子n設(shè)置為1。

本實(shí)施例中，步驟S2中的待分割物體至少為兩個(gè)，待分割物體可包括前景物體和背景物體。

本實(shí)施例中，步驟S2“在圖像中的各待分割物體內(nèi)部分別標(biāo)記多個(gè)像素點(diǎn)作為各待分割物體的標(biāo)記點(diǎn)，待分割物體的標(biāo)記點(diǎn)帶有待分割物體各自的標(biāo)識”例如：圖像中的待分割物體包括前景物體和背景物體，在前景物體內(nèi)部標(biāo)記多個(gè)像素點(diǎn)作為前景物體的標(biāo)記點(diǎn)，前景物體的標(biāo)記點(diǎn)均帶有前景物體的標(biāo)識A；在背景物體內(nèi)部標(biāo)記多個(gè)像素點(diǎn)作為背景物體的標(biāo)記點(diǎn)，背景物體的標(biāo)記點(diǎn)均帶有背景物體的標(biāo)識B?；蛘?，例如：圖像中的待分割物體包括蘋果、香蕉和西瓜，在蘋果內(nèi)部標(biāo)記多個(gè)像素點(diǎn)作為蘋果的標(biāo)記點(diǎn)，蘋果的標(biāo)記點(diǎn)均帶有蘋果的標(biāo)識C；在香蕉內(nèi)部標(biāo)記多個(gè)像素點(diǎn)作為蘋果的標(biāo)記點(diǎn)，香蕉的標(biāo)記點(diǎn)均帶有香蕉的標(biāo)識D；在西瓜內(nèi)部標(biāo)記多個(gè)像素點(diǎn)作為西瓜的標(biāo)記點(diǎn)，西瓜的標(biāo)記點(diǎn)均帶有西瓜的標(biāo)識E。

本實(shí)施例中，步驟S2中的標(biāo)記點(diǎn)可為標(biāo)記的多個(gè)不連續(xù)的像素點(diǎn)，也可以為標(biāo)記的連續(xù)線條中的多個(gè)連續(xù)的像素點(diǎn)。

本實(shí)施例中，步驟S2中的在圖像中的各待分割物體內(nèi)部分別標(biāo)記多個(gè)像素點(diǎn)作為各待分割物體的標(biāo)記點(diǎn)可由用戶利用交互式設(shè)備(例如鼠標(biāo))執(zhí)行，用戶可以以鼠標(biāo)點(diǎn)擊的形式進(jìn)行標(biāo)記，也可以按住鼠標(biāo)左鍵進(jìn)行拖拽來標(biāo)記連續(xù)線條。此外，本實(shí)施例中用戶還可以對多目標(biāo)同時(shí)進(jìn)行分割作業(yè)。

本實(shí)施例中，步驟S2可以多次執(zhí)行，即可以對待分割物體進(jìn)行多次標(biāo)記，且可在前一次分割結(jié)果的基礎(chǔ)上再進(jìn)行標(biāo)記，并不僅限于一次。

本實(shí)施例中，步驟S3進(jìn)一步包括如下子步驟：

S3.1、建立與無向加權(quán)圖等大小且各元素的初始值均為無窮大(inf)的距離矩陣dist，并建立用于存放最終的分割結(jié)果且與距離矩陣dist等大小且各元素的初始值均為0的結(jié)果矩陣label；

S3.2、將無向加權(quán)圖中各待分割物體的標(biāo)記點(diǎn)在距離矩陣dist中的對應(yīng)位置賦值為0、將無向加權(quán)圖中各待分割物體的標(biāo)記點(diǎn)在結(jié)果矩陣label中的對應(yīng)位置賦值為與各待分割物體的標(biāo)記點(diǎn)各自的標(biāo)識對應(yīng)的數(shù)值；

S3.3、利用距離更新函數(shù)更新各未標(biāo)記的像素點(diǎn)在距離矩陣dist中的對應(yīng)位置的賦值，當(dāng)更新后未標(biāo)記的像素點(diǎn)在距離矩陣dist中的對應(yīng)位置的賦值小于其更新前的賦值時(shí)，接受更新后未標(biāo)記的像素點(diǎn)在距離矩陣dist中的對應(yīng)位置的賦值，并將該未標(biāo)記的像素點(diǎn)在結(jié)果矩陣label中的對應(yīng)位置的賦值更新為距離更新函數(shù)中的邊權(quán)重w_u,u′中的標(biāo)記點(diǎn)u在結(jié)果矩陣label中的對應(yīng)位置的賦值。

距離更新函數(shù)如下：

dist(u′_new)＝dist(u′)*θ+w_u,u′ (2)

公式(2)中，dist(u′)表示未標(biāo)記的像素點(diǎn)u′在距離矩陣dist中的對應(yīng)位置的賦值，θ為遺忘因子，w_u,u′表示未標(biāo)記的像素點(diǎn)u′與標(biāo)記點(diǎn)u之間的邊權(quán)重，dist(u′_new)表示更新后的未標(biāo)記的像素點(diǎn)u′在距離矩陣dist中的對應(yīng)位置的賦值。

上述步驟S3.1至步驟S3.3的偽代碼如下所示，其中，步驟S3.1對應(yīng)偽代碼為第1-2行，偽代碼第3行表示建立用于存放各待分割物體的標(biāo)記點(diǎn)的且初始狀態(tài)為空的列表openlist，偽代碼第4行表示利用S_all對各待分割物體的標(biāo)記點(diǎn)進(jìn)行記錄，步驟S3.2對應(yīng)偽代碼第5-9行，其中偽代碼第7行表示將各待分割物體的標(biāo)記點(diǎn)放入列表openlist中，步驟S3.3對應(yīng)偽代碼第10-18行。

本實(shí)施例中，步驟S3.2例如：圖像中的待分割物體包括前景物體和背景物體，前景物體的標(biāo)記點(diǎn)均帶有前景物體的標(biāo)識A，背景物體的標(biāo)記點(diǎn)均帶有背景物體的標(biāo)識B，則將無向加權(quán)圖中前景物體的標(biāo)記點(diǎn)和背景物體的標(biāo)記點(diǎn)在距離矩陣dist中的對應(yīng)位置均賦值為0、將無向加權(quán)圖中前景物體的標(biāo)記點(diǎn)在結(jié)果矩陣label中的對應(yīng)位置賦值為1、將無向加權(quán)圖中背景物體的標(biāo)記點(diǎn)在結(jié)果矩陣label中的對應(yīng)位置賦值為2。進(jìn)而，步驟S3.3例如：未標(biāo)記的像素點(diǎn)x在距離矩陣dist中的對應(yīng)位置賦值為初始值無窮大且在結(jié)果矩陣label中的對應(yīng)位置賦值為0，前景物體的標(biāo)記點(diǎn)y在距離矩陣dist中的對應(yīng)位置賦值為0且在結(jié)果矩陣label中的對應(yīng)位置賦值為1；在執(zhí)行步驟S3.3時(shí)，利用距離更新函數(shù)更新未標(biāo)記的像素點(diǎn)x在距離矩陣dist中的對應(yīng)位置的賦值，當(dāng)利用距離更新函數(shù)(公式(2))根據(jù)未標(biāo)記的像素點(diǎn)x與標(biāo)記點(diǎn)y之間的邊權(quán)重w_x,y計(jì)算得到的更新后的未標(biāo)記的像素點(diǎn)x在距離矩陣dist中的對應(yīng)位置的賦值dist(x_new)為100(小于其初始值無窮大)時(shí)，接收該更新后未標(biāo)記的像素點(diǎn)x在距離矩陣dist中的對應(yīng)位置的賦值100，并將未標(biāo)記的像素點(diǎn)x在結(jié)果矩陣label中的對應(yīng)位置的賦值更新為前景物體的標(biāo)記點(diǎn)y在結(jié)果矩陣label中的對應(yīng)位置賦值為1，其表明了未標(biāo)記的像素點(diǎn)x是屬于前景物體的。

本實(shí)施例中，為盡量避免累計(jì)效應(yīng)引起的錯(cuò)誤劃分發(fā)生，設(shè)置一個(gè)增長速度極大的指數(shù)型函數(shù)來增大像素之間灰度差對路徑代價(jià)的影響。倘若將公式(1)中第二敏感因子n設(shè)置為1，假設(shè)像素點(diǎn)p與像素點(diǎn)f相差的距離為3個(gè)像素位置且每個(gè)像素間像素值相差為1，而像素點(diǎn)p與像素點(diǎn)b的距離為1個(gè)像素位置且像素值相差為2時(shí)，就會(huì)引起錯(cuò)誤劃分：dist距離：e²＜3*e¹。倘若將第二敏感因子n的取值增加至2，則可將錯(cuò)誤劃分的距離增加至e²。然而，如果無限增加第二敏感因子n來換取對于這些細(xì)微變化的正確劃分能力，則很有可能使得算法對于一些變化稍微劇烈的像素失去一定的判斷能力，即超出了運(yùn)算精度范圍(e^{30^2}＝∞，當(dāng)像素插值大于等于30時(shí)，將失去判斷距離的能力)。所以，在距離更新函數(shù)中本實(shí)施例引入了遺忘因子θ，將現(xiàn)有的Dijkstra算法中距離更新函數(shù)變?yōu)楸緦?shí)施例中的距離更新函數(shù)：

dist(u′_new)＝dist(u′)*θ+w_u,u′ (2)

倘若要徹底消除累積效應(yīng)，則距離更新函數(shù)滿足如下公式：

dist(p→f)＜dist(p→b) (3)

其中，dist(p→f)代表像素點(diǎn)p至像素點(diǎn)f的距離。若考慮最極端情況，假設(shè)像素點(diǎn)p至像素點(diǎn)f有無窮多的像素(c→∞)，且像素值差均為1，則dist(p→f)由如下公式確定：

dist(p→f)＝θ^c-1*w+θ^c-2*w+…+w

其中w表示由公式(1)所確定的圖中的單位邊權(quán)重。為了確保不出現(xiàn)計(jì)算結(jié)果超出運(yùn)算精度限制，本實(shí)施例規(guī)定公式(1)中第二敏感因子n的取值為1，則此時(shí)w值為e。最終dist(p→f)值如公式(4)所述。同理，倘若像素點(diǎn)p與像素點(diǎn)b的距離為1，且像素灰度值相差2，則根據(jù)公式(1)，dist(p→b)為e²

由公式(3)及公式(4)可得遺忘因子因此，若要徹底消除累積效應(yīng)，則應(yīng)設(shè)定遺忘因子

通過以上分析，本實(shí)施例中遺忘因子θ的取值設(shè)定為0.5。

本實(shí)施例中，步驟S4的具體過程為：

由步驟S3可得到圖像中每個(gè)未標(biāo)記的像素點(diǎn)的最近的標(biāo)記點(diǎn)，以最近的標(biāo)記點(diǎn)的標(biāo)識標(biāo)記各未標(biāo)記的像素點(diǎn)，從而得到圖像中每個(gè)像素點(diǎn)的標(biāo)識，即結(jié)果矩陣label，將不同類別的邊界像素標(biāo)記為待分割之邊界，即對結(jié)果矩陣label中相鄰位置標(biāo)簽值不一樣的區(qū)域進(jìn)行標(biāo)記，則分類邊界即為這些標(biāo)記點(diǎn)連成的曲線，完成圖像分割目的。

當(dāng)用戶對分類結(jié)果不滿意時(shí)，用戶可在現(xiàn)有分類結(jié)果的基礎(chǔ)上增加標(biāo)記點(diǎn)，返回步驟S2進(jìn)行進(jìn)一步的優(yōu)化分類，直至分類結(jié)果滿意為止。

如上所述，本發(fā)明通過引入多源最短距離思想于圖像分割領(lǐng)域中，并且突出一種高效的多源路徑最短距離算法(步驟S3中尋找未標(biāo)記的像素點(diǎn)的與其距離最近的標(biāo)記點(diǎn)的方法)來解決此問題，以達(dá)到更加快速、準(zhǔn)確的圖像分割目的。更具體地，本發(fā)明首先對待分割圖像進(jìn)行加權(quán)圖轉(zhuǎn)換，(相對)相鄰的像素點(diǎn)間像素差越大，權(quán)值越大。之后，將標(biāo)記點(diǎn)設(shè)置于待分割物體之內(nèi)，與傳統(tǒng)的photoshop中設(shè)置標(biāo)記點(diǎn)于待分割物體邊緣位置不同，本發(fā)明的標(biāo)記過程更加簡潔方便，且與直接設(shè)置閾值的標(biāo)記方法不同，本發(fā)明的可控性更強(qiáng)。在具體解決多源路徑最短距離問題中，與傳統(tǒng)的Floyd及Dijkstra不同，本發(fā)明在運(yùn)行時(shí)間上保持與Dijkstra算法一致，并且，與Dijkstra的單源路徑規(guī)劃之目的不同，本發(fā)明能夠在運(yùn)行僅僅一次的情況下完成對圖中所有未標(biāo)記點(diǎn)的最短源點(diǎn)的確定工作。由于此種最短距離的引入，相較于隨機(jī)游走算法，本發(fā)明可以有效克服其由于平衡背景、前景差距而導(dǎo)致的圖像細(xì)節(jié)分割效果不佳的問題。本發(fā)明在與隨機(jī)游走算法設(shè)置相同種子點(diǎn)的情況下，對于細(xì)節(jié)及邊緣的劃分更加。并且，由于多源路徑最短距離算法的引入，可以克服圖像中噪聲的影響。更重要的是，由于遺忘因子θ的引入，本發(fā)明中的多源路徑最短距離算法對于偏遠(yuǎn)位置點(diǎn)的像素分類更加準(zhǔn)確，合理的θ與公式(1)中n的配合能夠在不超越計(jì)算機(jī)運(yùn)算精度的同時(shí)有效避免累積效應(yīng)對于偏遠(yuǎn)像素的錯(cuò)誤劃分。

在圖像分割運(yùn)行效率上，本發(fā)明能夠在消耗最小內(nèi)存的情況下實(shí)現(xiàn)更加快速的圖像分割目的。經(jīng)實(shí)驗(yàn)證明，對于480*640分辨率的圖像而言，本發(fā)明的分割時(shí)間僅為0.2秒，相較于圖割算法的0.47秒及隨機(jī)游走算法的1.0秒本發(fā)明均體現(xiàn)出了效率上的優(yōu)勢。而在系統(tǒng)占用內(nèi)存方面，本發(fā)明仍然優(yōu)于相較于圖割算法和隨機(jī)游走算法。具體實(shí)驗(yàn)結(jié)果如表1所示。

表1不同算法在圖像分割中的時(shí)間及內(nèi)存消耗

顯然，本發(fā)明的上述實(shí)施例僅僅是為清楚地說明本發(fā)明所作的舉例，而并非是對本發(fā)明的實(shí)施方式的限定，對于所屬領(lǐng)域的普通技術(shù)人員來說，在上述說明的基礎(chǔ)上還可以做出其它不同形式的變化或變動(dòng)，這里無法對所有的實(shí)施方式予以窮舉，凡是屬于本發(fā)明的技術(shù)方案所引伸出的顯而易見的變化或變動(dòng)仍處于本發(fā)明的保護(hù)范圍之列。