(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211040402.5 (22)申请日 2022.08.29 (71)申请人 武汉纺织大 学 地址 430073 湖北省武汉市洪山区纺织路1 号 (72)发明人 梁金星　周景　刘安平　胡新荣　 罗航　彭涛　 (74)专利代理 机构 武汉科皓知识产权代理事务 所(特殊普通 合伙) 42222 专利代理师 王琪 (51)Int.Cl. G06T 7/11(2017.01) G06T 7/136(2017.01) G06T 7/187(2017.01) G06T 7/60(2017.01)G06T 7/90(2017.01) G06V 10/762(2022.01) G06F 17/16(2006.01) (54)发明名称 一种基于超像素的古代壁画图像优化分割 方法及系统 (57)摘要 本发明提出了一种基于超像素的古代壁画 图像分割优化方法和系统， 首先对 古代壁画图像 进行简单线性迭代超像素分割， 得到结构紧凑、 规整的超像素； 然后使用基于密度的聚类算法对 超像素进行聚类， 得到初始聚类结果， 并针对初 始聚类结果中的较小噪声超像素进行强制合并， 针对初始聚类结果中的较大噪声超像素进行相 似性合并或分割处理， 优化初始聚类结果； 最后， 对初始聚类各子区域进行相似相邻合并， 并对各 个子区域存在的混色超像素做进一步分割处理， 最终实现古代 壁画图像的高精度分割。 本发明方 法可以得到轮廓清晰的古代壁画图像 分割效果， 总体上能够实现古代壁画 图像的高精度分割目 标， 为古代 壁画图像高保真数字化虚拟修复奠定 了重要基础。 权利要求书7页 说明书17页 附图4页 CN 115457050 A 2022.12.09 CN 115457050 A 1.一种基于超像素的古代壁画图像优化分割方法， 其特 征在于， 包括如下步骤： 步骤1， 对输入图像进行超像素分割， 得到规整紧凑的超像素、 图像的全局标签矩阵L， 以及描述图像超像素之间邻接关系的邻接矩阵Am； 步骤2， 使用密度聚类算法对超像素进行聚类， 得到初步聚类结果， 其中初步聚类结果 中包括4类： 较小噪声超像素， 较大噪声超像素， 不包含噪声超像素的正常子区域， 以及 包含 边缘混色超像素噪声的非正常子区域； 步骤3， 依据邻接矩阵Am对较小噪声超像素进行强制性合并： 提取较小噪声超像素， 对 每一个噪声超像素进行最相似相邻合并处 理， 将其融合到与该超像素最相似的相邻区域； 步骤4， 结合全局标签矩阵L和邻接矩阵Am实现较大超像素的合并或分割与合并： 提取 较大噪声超像素， 如果该超像素是纯色超像素， 则对其进行相似相 邻合并； 如果该超像素是 混色超像素， 则对其进行分割处 理， 然后进行相似相邻合并； 步骤5， 子区域的相似相邻合并： 提取满足预设条件的子区域， 根据相似相邻原则， 将其 与相邻子区域进行颜色相似性合并， 形成更大 的合并区域， 这里 的子区域包括不包含 噪声 超像素的正常子区域和包 含边缘混色超像素噪声的非正常子区域； 步骤6， 合并区域边缘混色超像素的分割与合并： 提取合并区域的边缘混色超像素， 对 其进行分割和相似相邻合并， 完成输入图像的高精度分割。 2.如权利要求1所述的一种基于超像素的古代壁画图像优化分割方法， 其特征在于： 步 骤1中采用SL IC超像素分割对输入图像进行超像素分割； 步骤2中采用DBSCAN算法对超像素进行聚类， DBSCAN算法对超像素聚类的本质为将K个 超像素D＝{sp1,sp2,…,spK}划分为n个类， 即D1,D2,…,Dn， n<K， 并满足如下 条件： 其中， Di表示第i个 类， i＝1,2,…,n， |Di|表示该类包 含的超像素个数。 3.如权利要求1所述的一种基于超像素的古代壁画图像优化分割方法， 其特征在于： 步 骤2中， 设定噪声超像素判定阈值numTh， 对单个未与其他超像素聚合的较大较小噪声超像 素的定义和分类为， 如果噪声超像素所包含像素点的数量小于等于预设阈值numTh， 则称该 噪声超像素为较小噪声超像素， 若大于预设阈值 numTh， 则称其 为较大噪声超像素。 4.如权利要求1所述的一种基于超像素的古代壁画图像优化分割方法， 其特征在于： 步 骤3的具体实现方式如下； 首先设置合适像素个数阈值numTh， 用于提取每一个较小噪声超像素spi， 提取条件为 sum(spi)≤numTh， 其 中sum(spi)表示对该超像素进行像素数量求和； 然后依据邻接矩阵Am 找到所有与spi相邻的超像素neighbors＝{nsp1,nsp2,…,nspt}， 其中nsp1,nsp2,…,nspt分 别是与spi满足相邻条件的超像素， 下标代表每个相邻超像素在数组neighbor s中的存储索 引， t表示跟spi相邻超像素的个数； 根据式(2)计算nei ghbors中每一个相邻 超像素与spi的 相似度， 得到对应的相似度值dist＝{dist1,dist2,…,distt}， 然后通过式(3)求解使dist 值最小对应的索引值 ind*；权　利　要　求　书 1/7 页 2 CN 115457050 A 2其中， lk,ak,bk分别是超像 素spk对应的所有像 素点在L,a,b三通道上的颜色均值， k＝i, j表示超像素的索引； ind表示dist中元素的索引取值， ind＝1,2, …,t； 结合ind*和 neighbors集合可求得与spi最相似的超像素sp， 将 spi划分为sp 所属子区域， 完成较小噪声 超像素的合并。 5.如权利要求1所述的一种基于超像素的古代壁画图像优化分割方法， 其特征在于： 步 骤4的具体实现方式如下； 如果较大噪声超像素spi的颜色标准方差小于设定阈值stdTh， 则直接对该超像素相似 相邻合并， 首先根据式(2)和邻接矩阵Am， 获得与较大超像素spi相邻的颜色相似超像素集 合neighbors＝{nsp1,nsp2,…,nspt}， 其中nsp1,nsp2,…,nspt分别是与spi满足相邻条件的 超像素， 下标代表每个相邻超像素在数组neighbors中的存储索引， t表示跟 spi相邻超像素 的个数； 并依据式(4)和颜色相似性阈值simTh， 获得满足相似性合并的超像素子集 subneighbors， subn eighbors中的超像素不仅空间位置上跟spi相邻， 而且颜色上跟spi保持 一致性； 最后利用式(3)求得dist中最小值对应的数组索引ind*， 并依据求得的ind*将spi划 分为sp所属类， 完成较大噪声超像素的相似相邻合并； 其中， lk,ak,bk分别是超像 素spk对应的所有像 素点在L,a,b三通道上的颜色均值， k＝i, j表示超像素的索引； i nd表示dist中元 素的索引取值， i nd＝1,2, …,t； 如果较大噪声超像素的颜色标准方差大于预设阈值stdTh， 则说明该噪声超像素为混 色超像素， 则需要对该超像素进行分割与合并处 理， 方法如下： (1)提取混色较大噪声超像素spi的感兴趣区域图像及对应标签矩阵subL； 首先设定以 超像素坐标为中心的矩形框， 对包含目标超像素的图像ROIim进 行裁剪， 得到裁剪后的图像 subim， 并使用矩形框在全局标签矩阵L中提取sub im的标签矩阵， 得到与裁剪图像subim对 应的标签矩阵subL， 其包 含了超像素spi的标签； (2)使用K ‑means算法对裁剪图像subim进行分割， 获得对应的分割子区域； 设定分割参 数K值为3， 将 输入图像subim分割为黑色背景区域k1， 混色超像素二分类区域k2和区域k3， 其 中， 数值k1,k2,k3分别是各个 分割子区域的标签， k1,k2,k3的取值集合都是{1,2,3}并且满足 k1≠k2≠k3； (3)根据subim图像分割结果更新标签矩阵subL； 根据超像素邻接矩阵Am求出与较大噪 声超像素spi相邻的超像素neighbors＝{nsp1,nsp2,…,nspt}， 提取subim图像分割子区域权　利　要　求　书 2/7 页 3 CN 115457050 A 3