一种基于二元分割树的区域特征描述方法及系统的制作方法
【技术领域】
[0001] 本发明属于计算机视觉和图像处理领域，尤其涉及一种基于二元分割树的区域特 征描述方法及系统。
【背景技术】
[0002] 特征描述是计算机视觉和图像处理中的一个基础模块，在图像显著目标检测、目 标分割、目标识别和语义图像检索等应用中，特征的稳健性和丰富性在很大程度上决定了 其性能。目前大多数采用的特征提取方法是:通过图像分割算法或像素点聚类的方法将原 始图像分割成图像子块或图像区域，然后根据这些图像子块或图像区域提取图像特征。
[0003] 现有的特征提取方法虽然具有高效性，但自然图像经常都包含了很多复杂的背 景，现在最先进的图像分割方法也还不能把边界定义明确的目标完整的从背景中分离出 来，在处理背景复杂的图像时，采用这些方法所提取的特征不具备足够的差异度，目前有采 用通过调整分割参数使目标由较少的区域组成来促成其任务，但对很多图像而言，调整分 割参数去减少区域的数量可能会导致图像目标区域与背景区域合并的欠分割现象，从而导 致错误的检测结果，同时现有技术在进行特征提取时，特征稳健性差、信息量不够丰富。
【发明内容】
[0004] 本发明所要解决的技术问题在于提供一种基于二元分割树的区域特征描述方法 及系统，旨在解决现有技术在进行特征提取时，特征稳健性差、信息量不够丰富的问题。
[0005] 本发明是这样实现的，一种基于二元分割树的区域特征描述方法，步骤包括：
[0006] 步骤A，将原始图像分割成若干分割区域；
[0007]步骤B，计算相邻的所述分割区域之间的相似度，将相似度最高的两相邻区域合成 一超区域；
[0008] 步骤C，重复执行步骤B直至得到的所有相邻区域合并成完整的原始图像；
[0009] 步骤D，根据所述分割区域和所述超区域构建二元分割树；
[0010]步骤E，分别提取所述二元分割树中的目标区域和所述目标区域对应的超区域的 特征并据此构建区域特征，然后根据所述区域特征进行目标区域的特征描述。
[0011] 进一步地，在步骤A中，利用利用图像分割算法对所述原始图像进行分割。
[0012] 进一步地，在步骤B中，计算相邻的所述分割区域之间的相似度，将相似度最高的 两个分割区域合并得到超区域，具体包括：
[0013]以Rj表不某一分割区域，Nj表不该分割区域Rj的相邻区域的集合，S(Rn，Rj)表不分 割区域&和其某一相邻区域Rn的相似度，Rs表示分割区域^与其相邻区域之间的相似度的 最大值，则两个分割区域的区域合并准则为：
[0014] Rs = arg max S(Rn，Rj)，RnENj。
[0015] 进一步地，在所述二元分割树中包含有根节点、叶子节点和非叶子节点，其中，根 节点表示合并完的整个原始图像，叶子节点表示一个分割区域，非叶子结点表示一个超区 域。
[0016]进一步地，所述步骤E具体包括：
[0017]步骤E1，分别提取目标区域和所述目标区域对应的超区域的基本区域特征；
[0018]步骤E2,以步骤E1中提取的基本区域特征构建所述区域特征，根据所述区域特征 对所述目标区域进行特征描述。
[0019]进一步地，所述步骤E2具体包括：
[0020] 步骤E211，计算所述二元分割树中的目标区域的基本区域特征，及所述目标区域 对应的β个上级节点的超区域的基本区域特征；
[0021] 步骤Ε212，根据所述基本区域特征构建第一区域特征；
[0022]以Rk表示所述目标区域，k表示第k个节点，β表示目标区域Rk对应的上级节点的级 别数，hk表示目标区域Rk对应的基本区域特征，C/y表示第一特征区域；
[0023]步骤E213,若所述目标区域Rk到达所述二元分割树中根节点的级别数大于所述目 标区域对应的上级节点的级别数β，则所述特征区域为：
[0025]步骤E214,若所述目标区域Rk到达所述二元分割树中根节点的级别数小于所述目 标区域对应的上级节点的级别数β，η表示所述目标区域到所述根节点的级别数，则复制n-1 节点的基本区域特征使得上级节点的级数为β，即所述特征区域为：
[0027]进一步地，所述步骤E2具体包括：
[0028]步骤E221，计算所述二元分割树的目标区域的基本区域特征，及所述目标区域对 应的β个上级节点的超区域的基本区域特征，以及所述目标区域对应的同级区域的基本区 域特征，以及所述超区域的同级区域的基本区域特征；
[0029]步骤Ε222，根据步骤Ε221计算的所有基本区域特征构建第二区域特征；
[0030]以1表示所述目标区域，m表示第m个节点，β表示目标区域Rm对应的上级节点的级 别数，hm表示目标区域匕对应的基本区域特征，/AiRF/'表示所述目标区域和超区域构 建的第一特征区域，si ibing(hm)表示所述目标区域的同级区域的基本区域特征， 网况叫_(々"|+,)}〖 =11表示目标区域1^对应0-1层上级超区域的基本区域特征，/^4/?/^(尺"1)表示 第二区域特征；
[0031]步骤E223，若所述目标区域1到达所述二元分割树中根节点的级别数大于所述目 标区域Rm对应的上级节点的级别数β，则所述特征区域为:则：
[0033]步骤Ε224,若所述目标区域1到达所述二元分割树中根节点的级别数小于所述目 标区域Rm对应的上级节点的级别数β，πι表示所述目标区域到所述根节点的级别数，则所述 特征区域〇R;n)为：
[0035]本发明还提供了一种基于二元分割树的区域特征描述系统，包括：
[0036]分割单元，用于将原始图像分割成若干分割区域；
[0037]合并单元，用于计算相邻的所述分割区域之间的相似度，将相似度最高的两相邻 区域合成一超区域，然后将合成的超区域作为所述分割区域的相邻区域，继续合并，直至得 到的所有相邻区域合并成完整的原始图像；
[0038]构建单元，用于根据所述分割区域和所述超区域构建二元分割树；
[0039]描述单元，用于分别提取所述二元分割树中的目标区域和所述目标区域对应的超 区域的特征并据此构建区域特征，然后根据所述区域特征进行目标区域的特征描述。
[0040] 进一步地，所述分割单元利用利用图像分割算法对所述原始图像进行分割；
[0041] 在所述二元分割树中包含有根节点、叶子节点和非叶子节点，其中，根节点表示合 并完的整个原始图像，叶子节点表示一个分割区域，非叶子结点表示一个超区域；
[0042] 所述合并单元，用于计算相邻的所述分割区域之间的相似度，将相似度最高的两 个分割区域合并得到超区域，具体包括：
[0043]以Rj表不某一分割区域，Nj表不该分割区域Rj的相邻区域的集合，S(Rn，Rj)表不分 割区域心和其某一相邻区域Rn的相似度，Rs表示分割区域^与其相邻区域之间的相似度的 最大值，则两个分割区域的区域合并准则为：
[0044] Rs = arg max S(Rn，Rj)，RnENj。
[0(Η5]进一步地，描述单元具体用于：
[0046]首先，分别提取目标区域和所述目标区域对应的超区域的基本区域特征；
[0047]其次，以提取的基本区域特征构建所述区域特征；
[0048]最后，根据所述区域特征对目标区域进行特征描述。
[0049] 本发明与现有技术相比，有益效果在于:本发明融合了目标区域、同级超区域以及 邻近上级区域和超区域的基本区域特征来描述目标区域的特征，既包含了局部区域特征， 也包含了全局情景信息，所以会具有情景感知力、高识别度、稳健性强的优势。因而克服了 已有技术中特征稳健性差、信息量不够丰富的缺点。
【附图说明】
[0050] 图1是本发明实施例提供的一种基于二元分割树的区域特征描述方法的流程图。
[0051] 图2是本发明实施例提供的构建基于二元分割树的区域特征结构示意图。
[0052] 图3是本发明实施例提供的一种基于二元分割树的区域特征描述方法的详细流程 图。
[0053] 图4是本发明实施例提供的采用不用特征结构所生成的显著图。
[0054] 图5是本发明实施例提供的一种基于二元分割树的区域特征描述系统的结构示意 图。
【具体实施方式】
[0055] 为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对 本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并 不用于限定本发明。
[0056] 在本发明中，提出了一重基于二元分割树的区域特征描述的方法及系统，包含了 分割区域的局部和全局情