基于区域合并的图像分割方法

2023.04.22

薛辉+高倩倩+罗欣

摘要：提出了一种基于相似性最大原则进行区域合并的方法。用户仅需要对感兴趣的对象进行标记，以此为依据来进行区域合并；该方法以分水岭算法的初始分割结果为基础，利用彩色直方图来度量不同区域的相似性，从而引导区域合并的进程。实验结果表明，该方法能较好地从背景中提取出所需对象，最终达到图像分割的效果。

关键词：图像分割；相似性；分水岭算法

0. 引言

在图像处理领域中，图像分割是进行图像分析的关键技术。其是在一定的应用需求上，把图像分成不同类型的区域并从中提取所需的对象。通常，对于彩色图像而言，光谱和纹理特征是非常复杂的。因此，结合用户的先验知识进行图像分割已成为一个研究热点。本文提出了一种人机交互的图像分割方法[1-2]，该方法以分水岭算法的初始分割结果为基础，通过人为的标记感兴趣的对象，综合利用图像的光谱特征进行合并[2]。在合并过程中，以局部最优合并条件为依据来选取合并区域，可得到最终的分割结果。

1. 相似性度量准则

图像分割实质上就是不断合并相邻区域，而合并的过程就是寻找相似性最大的相邻区域进行合并[3]。本文选择利用彩色直方图来描述图像的特征。其中，将每一个颜色通道都被统一量化成16个灰度级，然后在16×16×16=4096维的特征空间中，计算出每个区域的颜色直方图[5]。

2. 分水岭变换分割算法

要合并同质区域，需要用初始分割将图像分割成均匀的区域，本文将利用分水岭算法来对图像进行初始分割。过程如下：

（1）寻找每一个像元的下游像元，记录在数组中。寻找数组中，与每个像元相比灰度最小的邻域像元；

（2）标识局部最小像元。判断数组中每个像元是否为局部最小，若是，则赋予一个新的编号，并赋予与其连通且局部最小的区域同样的编号；

（3）标识非局部最小像元。对于每一个非局部最小像元r，都有一个下游像元，若其下游像元已被赋予编号，则将该编号同样赋予r；否则，寻找下游像元的下游像元，直到找到赋予编号的像元，将其赋予r。

3. 基于最大相似性的区域合并算法

分割过程中，MSRM方法加入了人工标注信息。经过初始分割后的图像，由于过分割问题得到了许多小区域，因此需要人为标记成目标与背景区域。其中，目标区域用MO表示；背景区域用MB表示；没有被标记的区域记为N[5]。因此，标记后的图像可分为三部分：MO，MB和N。

整个MSRM算法分为两步，过程如下[2]：

第一步：合并N中未被标记的区域与MB中的背景区域。

（1）定义每个区域为B的相邻区域为SB={Ai}i=1，2，...，r，其中B MB；

（2）定义每个区域Ai的相邻的区域为SAi={Sj}j=1，2，...，k，其中Ai MB；

（3）根据最大相似性准则计算ρ（Ai，Sj），如果ρ（Ai，B）=maxj=1，2，...，kρ（Ai，Sj），合并B和Ai，反之则不合并；

（4）更新标号MB和N；

（5）如果MB Φ，结束第一步，否则回到（1）。

第二步：合并N中未被标记的区域。

（6）定义每个区域P的邻接区域为SP={Hi}i=1，2，...，p，其中P N；

（7）定义每个区域Hi的邻接区域为SHi={Sj}j=1，2，...，k，其中Hi MB且Hi MO；

（8）根据最大相似性准则计算ρ（Hi，Sj），如果ρ（Hi，B）=maxj=1，2，...，kρ（Hi，Sj）合并P和Hi，反之则不合并；

（9）更新标号N；

（10）如果N Φ ，结束第二步，否则回到（6）.

4. 实验结果

MSRM算法是使用颜色信息来实现图像分割的，通过人工标注信息进行区域合并，以达到图像分割的目的。

4.1实验分析

为了分析本文算法，此次试验以Mina Lisa图像为例，输入标记和分水岭初始分割后的图像，使用MSRM算法进行区域合并。通过分割结果可见，分水岭算法进行分割后，过分割现象比较严重，使用本文提到的算法可将感兴趣对象较完整的提取出来。

4.2实验对比

为了判断初始分割是否会对分割结果造成影响，本次实验分别采用分会玲算法和均值漂移算法进行初始分割，用以进行比较。通过分割结果可见，两种算法虽然产生的过分割程度不同，但通过人工标记，使用MSRM进行合并后，都能较好的将感兴趣的对象提取出来，因此，初始分割算法的选取不会影响最终的分割结果。

5. 结论

在文中，我们提出了一个基于最大相似性度量准则进行区域合并的交互式图像分割算法，在分水岭分割结果的基础上，标记对象的主要特征，以完成整个合并过程。实验结果表明，初始分割算法的选取对分割结果不会造成影响，而用户输入的标记是分割过程中的重要因素。相比于别的交互式算法而言，本算法利用一种新颖的区域合并机制，较完美的提取出了感兴趣的对象。由于本算法在运用过程中涉及到了相似性度量，因此如何将纹理、形状等信息引入到合并过程中，将会是今后关注的一个方向。

参考文献：

[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，刘培，夏俊士，等. 基于分水岭变换的遥感影像面向对象多尺度分割算法研究[J]. 测绘通报， 2011， 10： 008.

[4] 胡春. 一种新的基于区域合并的图像分割算法[J]. 合肥学院学报：自然科学版， 2012， 22（1）： 31-35.

[5] 戴令正. 自然图像分割算法的研究[D]. 南京理工大学， 2013.