基于區域級隸屬度函數的圖像分割評估分析

李奇澤

關鍵詞：圖像分割；隸屬度函數；超像素；區域限制

中圖分類號：TP391 文獻標識碼：A

0 引言

在計算機視覺分析及圖像處理領域，快速且精準分割圖像早已是重點研究內容，圖像信息處理基本上都是以該技術作為支撐完成的[1-2]。學者提出不同的圖像分割算法，研究結果顯示分割效果均表現良好[3]。近年來，圖像應用技術發展十分迅速，因此開發了一些新的分割算法[4-6]。在遙感測試與醫學分析領域，聚類方法不同于上述學者提出的分割方法，其具有直觀性強、步驟簡單的優勢，因而近年來應用十分廣泛，圖像預處理效果可通過結合各類方法得到顯著增強[7-8]。作為一種軟分割方法，模糊C 均值聚類（FCM）相較于k-means 等多數硬分割方法，其主要優勢體現在模糊魯棒性表示良好，并且能保證圖像原始信息在分割階段得以充分保留，該方法早已作為主流聚類技術得到廣泛應用[9]。然而需要注意的是，由于圖像各項空間數據均未被充分考慮，導致噪聲及成像偽影對FCM 產生嚴重影響，進而造成區域一致性條件無法由實際獲取的圖像分割結果所滿足。為解決上述問題，需要將研究重點放在如何將空間信息融入FCM 聚類過程。還有學者為提高抗噪性能，在空間信息中融入通過改進方法[10] 修改的FCM 目標函數。

本文以高階能量模型為基礎構建聚類分析方法，在分析像素區域級隸屬度時以超像素的區域一致性為標準，獲取點對先驗概率采用均值模板技術，在此基礎上對實際超像素與區域級隸屬度函數或主標簽之間的聯系進行分析，分割結果區域一致性目標需要參考此分析結果和超像素信息來實現。

1 圖像分割評估方法

在計算像素級與區域級隸屬度函數時，以高階能量模型為依據構建HMRF/FCM 方法，該方法的理論基礎為自適應隸屬度，根據區域一致性條件，通過區域級隸屬度函數對區域級隸屬度函數與像素自適應隸屬度函數的點對先驗概率進行計算，確保分割質量可通過此方法得到有效改善。

本文首先確定超像素生成，并且按照式（1）對區域級迭代與像素級的目標函數進行計算，最后再針對超像素像素貢獻度c_j 進行計算。

2 實驗結果及分析

合成圖像實例如圖1 所示。含有噪聲信號的圖像以及原始數據合成圖像均可通過觀察獲取，在測試采用人工分割無法解釋隨機量時可利用這種方法實現。

2.1 參數設置

FCM 算法與本文所選方法具有相同設置，錯誤率ε 為0.95， 分別按照3×3 與5×5 的標準設置合成圖像測試集與Berk 圖像集的鄰域窗口；參數Q 分別設置為0.85 與0.99；按照最小區域面積ar=80、空間帶寬hs=10、范圍帶寬hr=10 的標準設置超像素生成算法參數。

2.2 結果與分析

對谷歌數據庫圖像集進行測試，自然圖像在該圖像集中共有300 幅，大量人工標記結果均可提供。FCM 算法和圖像分割評估方法（簡稱“本文算法”）的分割結果如圖2 所示。由于不同分割難度的圖像包含在BSD 圖像集中，按照人工標記最小聚類數量為各幅圖像設定聚類個數，從而實現對算法有效性的分析。

300 幅圖像經過兩種算法的分割處理數據如表1 所示。采用3 種主流的評價指標函數：概率蘭德指數（probabilistic Rand index，PRI）、信息變差（variation of information，VoI）和全局一致性錯誤（global consistency error，GCE）。對比表1 數據得出，從各項評估指標來看，相較于FCM 算法，本文采用的方法可實現更優的性能。經分析發現，特定隸屬度函數可用于對超像素內像素標簽一致性進行判斷，在同一種標簽像素在超像素中的數量超過設定閾值的情況下，將會用同一種標簽替代各像素隸屬度函數，再對點對先驗概率完成計算，通過此過程使主標簽聚類個數的先驗概率得到進一步強化。

由于各個區域在谷歌數據庫人工標記結果中均被劃分為同一種類型，從3 種評估指標來看，在重標記后均得到顯著提升。采用分割處理的方式處理兩種未被重標記的比較算法，分割圖像性能評估結果如表2 所示，可以看出，相較于FCM 算法，采用本文算法效果更佳。

在分析不同參數對采用本文算法的影響效果時，當Q 值設定值不同時，分割300 幅圖像獲得的評估結果如表3 所示，同時還測試了不同情況下3 種評估指標。經對比分析得出，采取本文算法獲取的分割效果在Q 值降低后更佳。該結果產生的主要原因是：超像素的區域一致性由該算法有效發揮，各像素在同一超像素中可迅速聚集得到有效保證，然而由于像素差異性并未在區域中得以充分考慮，從而造成超像素生成質量嚴重影響實際分割質量；超像素主標簽隨著Q 值不斷增大獲得難度將更大。

總之，由于像素級隸屬度函數在超像素內十分容易受到噪聲的影響，那么初期在進行迭代時，如果Q 值過小，則很容易導致在分割超像素中像素的過程中產生較大失誤，進而導致錯誤信息被傳輸，得到錯誤的分割結果。因此為避免上述問題的產生，需要確保所選的Q 值較大，區域一致性僅在用同一種標簽標記大部分超像素的情況下才可滿足。

3 結論

本文開展基于區域級隸屬度函數的圖像分割評估分析，取得如下結果。

（1）相較于FCM 算法，本文算法可實現更優的性能，設定的隸屬度函數可用于對超像素內像素標簽性能判斷。

（2）采取本文算法獲取的分割效果在Q 值降低后更佳，各像素在同一超像素中可迅速聚集并得到有效保證。