專利名稱：一種并行的分形網(wǎng)絡(luò)演化影像分割方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種分形網(wǎng)絡(luò)演化影像分割算法，尤其是涉及一種并行的分形網(wǎng)絡(luò)演化影像分割方法。
背景技術(shù)：
影像圖像分割作為一種重要的圖像處理技術(shù)，已廣泛應(yīng)用在不同領(lǐng)域中，并提出了上千種分割方法，分水嶺分割算法、均值漂移分割算法和Definiens公司的多分辨率影像分割算法等被應(yīng)用得較多，其中分形網(wǎng)絡(luò)演化法(Fractal Net Evolution Approach,FNEA)算法是一種有效的多尺度影像分割方法，并且被證實相比常用的只使用像素光譜信息的其他遙感分割算法，公認(rèn)具有更好的分割效果。目前并行分解算法主要分為區(qū)域分解、功能分解、流水線、分而治之和同步并行等幾類。常見的面向像素的并行遙感處理算法一般屬于區(qū)域分解，但由于分割類算法涉及到的像素區(qū)域并不固定且范圍較大，故區(qū)域分解方法并不適應(yīng)。功能分解和流水線主要針對具有明確處理環(huán)節(jié)的遙感處理流程而非獨立算法，并且各個處理環(huán)節(jié)較獨立且交互少，比如對多張遙感圖像進(jìn)行地理編碼且拼接的處理流程，本發(fā)明提出的算法不屬于該類。同步并行算法主要用于對一些串行算法內(nèi)部某些關(guān)鍵步驟的并行改造，而不是對問題解決方法的并行，屬于一種輔助型的并行計算技術(shù)，多采用OpenMP等。由于圖像的二維特點，一般遙感圖像處理的并行算法一般是將圖像分割成多個獨立或帶有一定重疊區(qū)域的矩形分塊，然后分別對每個分塊進(jìn)行處理后，將結(jié)果輸出到文件中進(jìn)行合并。對于雷達(dá)濾波、極化分解、像素級分類、共生矩陣特征計算等問題，由于其算法處理單元為像素的小范圍鄰域，并且處理單元之間相互獨立，因此分解與合并策略較為簡單，可設(shè)計成通用方案，而對于FNEA算法，其處理單元涉及較大圖像范圍內(nèi)像素，而且具體尺寸不固定，因此分解與合并較為復(fù)雜，并不能采用通用方案，需要根據(jù)算法特點進(jìn)行設(shè)計
發(fā)明內(nèi)容
本發(fā)明的上述技術(shù)問題主要是通過下述技術(shù)方案得以解決的一種并行的分形網(wǎng)絡(luò)演化影像分割方法，其特征在于，包括以下步驟步驟I.將影像針對用戶期望最終尺度分解成多個由小到大的若干尺度序列，然后串行化對每個尺度進(jìn)行后續(xù)操作，其中，前一個小尺度的輸出是后一個較大尺度的輸A ；步驟2.將待分割圖像按照步驟I中所分解的由小到大的若干尺度序列進(jìn)行多級網(wǎng)格劃分，形成第I級至第N級待處理網(wǎng)格，所述第I級至第N級待處理網(wǎng)格與上述由小到大的若干尺度序列相對應(yīng)，即第I級待處理網(wǎng)格為最小尺度序列· 第N級待處理網(wǎng)格為最大尺度序列；步驟3.執(zhí)行第M級待處理網(wǎng)格的節(jié)點對應(yīng)的子任務(wù)，其中M=l、2 · · · N，N為正整數(shù)；步驟4.當(dāng)?shù)贛級待處理網(wǎng)格的節(jié)點對應(yīng)的子任務(wù)執(zhí)行完畢后，將執(zhí)行過程中產(chǎn)生的有效分割結(jié)果進(jìn)行合并，以作為尺度序列中更大尺度的輸入；步驟5.重復(fù)步驟3至步驟4，直至處理完至第N級待處理網(wǎng)格，即用戶指定尺度后，處理結(jié)束。 本發(fā)明創(chuàng)造性的提出的并行圖像分割算法屬于分而治之類，所謂分而治之是指將問題不斷分解形成具有層次關(guān)系的子問題以便于并行處理，其特點是需要根據(jù)問題本身的特點來進(jìn)行問題分解，而不是期望采用一種通用處理手段來進(jìn)行算法并行化，下面將FNEA算法的資源占用情況進(jìn)行闡述，然后根據(jù)其特點來設(shè)計相應(yīng)的并行策略來緩解和并行化資源消耗。本發(fā)明認(rèn)為FNEA算法主要具有如下可用于并行分解的特點(I)分割實體尺寸可控。FNEA算法是一種多尺度算法，在區(qū)域生長過程中的異質(zhì)度受到顏色和形狀兩個方面的控制，且大小與對象尺度成正比，因此對象尺度可以通過異質(zhì)度的大小來進(jìn)行控制。這種可控制的分割實體尺寸特點為后面的并行分解策略提供了基礎(chǔ)。(2)分割輸入形式可以是對象。FNEA是一種面向?qū)ο蟮亩喑叨确指钏惴?，輸入?nèi)容不僅僅可以是像素，也可以是對象集合。因此，在尺度序列生成后，前一個尺度的輸出對象可以作為后一個尺度的輸入對象，有利于提高算法的執(zhí)行效率。(3) FNEA算法執(zhí)行過程中，僅需計算對象拓?fù)浜吞卣鹘y(tǒng)計信息，而無需考慮像素特征，因此對于對象的表達(dá)可采用占用內(nèi)存資源少的簡化柵格表達(dá)，并且對象尺寸越大，內(nèi)存消耗減少比例越大。該特點使得相同面積下的多個大尺度對象比多個小尺度對象占用的內(nèi)存要大幅度減少，因此并行分解策略可以利用該特點來擴(kuò)大分割處理范圍。在上述的一種并行的分形網(wǎng)絡(luò)演化影像分割方法，所述步驟2中，分割時基于以下定義將影像分為有效區(qū)，無效區(qū)和擴(kuò)展區(qū)，并定義圖像覆蓋區(qū)域為Gimage,且圖像被劃分為η個規(guī)則矩形區(qū)域，分別為G1, G2,, Gn,則G1 U G2 U G3. . . U Gn = GifflageG1 n G2 n G3... n Gn = Φ定義擴(kuò)展區(qū)EG1為被劃分圖像G1邊界向外擴(kuò)展若干像素的區(qū)域，其他依次類推得到EG2，對G1與EG1內(nèi)的所有像素進(jìn)行FNEA分割，設(shè)得到m個分割對象集合OG1 = 將m個分割對象根據(jù)與G1之間是否存在包含關(guān)系劃分為兩個集合并定義有效分割對象為CG1 = {O e OG1 and O八G1;無效分割對象為MT/, = (O ε OGi and (7隹(7; j ,其中〇八G1表示對象O與Gl在空間關(guān)系上為包含；則定義有效區(qū)為所有有效分割對象覆蓋區(qū)域之和；無效區(qū)為所有非有效分割對象覆蓋區(qū)域之和，即有效區(qū)=VG1= IO1 U O2 U O3. . . U Oz, Oz e CGj無效區(qū)=VNG1= IO1 U O2 U O3. . . U Oq, Oq e NCGj依次對G1, G2，…，Gn 進(jìn)行 FNEA 分割，即得到 VG1, VG2, · · ·，VGn。在上述的一種并行的分形網(wǎng)絡(luò)演化影像分割方法，所述的步驟2中，定義( 代表i
層中標(biāo)號為η的子網(wǎng)格所在區(qū)域，設(shè)GLi G2 G3 戌^力^的下層子網(wǎng)格，第1層的擴(kuò)展
· ·JJ區(qū)，有效區(qū)與無效區(qū)與單層網(wǎng)格劃分相同，中間網(wǎng)格層的相關(guān)定義以遞歸形式給出網(wǎng)格擴(kuò)展區(qū)
權(quán)利要求
1.一種并行的分形網(wǎng)絡(luò)演化影像分割方法，其特征在于，包括以下步驟 步驟I.將影像針對用戶期望最終尺度分解成多個由小到大的若干尺度序列，然后串行化對每個尺度進(jìn)行后續(xù)操作，其中，前一個小尺度的輸出是后一個較大尺度的輸入； 步驟2.將待分割圖像按照步驟I中所分解的由小到大的若干尺度序列進(jìn)行多級網(wǎng)格劃分，形成第I級至第N級待處理網(wǎng)格，所述第I級至第N級待處理網(wǎng)格與上述由小到大的若干尺度序列相對應(yīng)，即第I級待處理網(wǎng)格為最小尺度序列· 第N級待處理網(wǎng)格為最大尺度序列； 步驟3.執(zhí)行第M級待處理網(wǎng)格的節(jié)點對應(yīng)的子任務(wù)，其中M=l、2 · · - N, N為正整數(shù)；步驟4.當(dāng)?shù)贛級待處理網(wǎng)格的節(jié)點對應(yīng)的子任務(wù)執(zhí)行完畢后，將執(zhí)行過程中產(chǎn)生的有效分割結(jié)果進(jìn)行合并，以作為尺度序列中更大尺度的輸入； 步驟5.重復(fù)步驟3至步驟4，直至處理完至第N級待處理網(wǎng)格，即用戶指定尺度后，處理結(jié)束。
2.根據(jù)權(quán)利要求I所述的一種并行的分形網(wǎng)絡(luò)演化影像分割方法，其特征在于，所述步驟2中，分割時基于以下定義將影像分為有效區(qū)，無效區(qū)和擴(kuò)展區(qū)，并定義圖像覆蓋區(qū)域為Gimage,且圖像被劃分為η個規(guī)則矩形區(qū)域，分別為G1, G2,, Gn,則 G1 U G2 U G3. . . U Gn = Gimage G1 n G2 n G3... n Gn = Φ 定義擴(kuò)展區(qū)EG1為被劃分圖像G1邊界向外擴(kuò)展若干像素的區(qū)域，其他依次類推得到EG2,對G1與EG1內(nèi)的所有像素進(jìn)行FNEA分害I]，設(shè)得到m個分割對象集合OG1 = IO1, 02，O3...0J，將m個分割對象根據(jù)與匕之間是否存在包含關(guān)系劃分為兩個集合并定義有效分割對象為CG1 = {O e OG1 and O八Gj ;無效分割對象為M T/, = {O G OG1 and 6 g 丨，其中o八G1表示對象O與Gl在空間關(guān)系上為包含； 則定義有效區(qū)為所有有效分割對象覆蓋區(qū)域之和；無效區(qū)為所有非有效分割對象覆蓋區(qū)域之和，即有效區(qū)-.VG1 = IO1 U O2 U O3... U Oz, Oz e CGj無效區(qū)=VNG1 = IO1 U O2 U O3... U Oq, Oq e NC Gj 依次對 G1, G2,. . . , Gn 進(jìn)行 FNEA 分割，即得到 VG1, VG2,VGn。
3.根據(jù)權(quán)利要求I所述的一種并行的分形網(wǎng)絡(luò)演化影像分割方法，其特征在于，所述的步驟2中，定義( 代表i層中標(biāo)號為η的子網(wǎng)格所在區(qū)域，設(shè)GL Gl1 G1n3 . . . G“為(ξ的下層子網(wǎng)格，第I層的擴(kuò)展區(qū)，有效區(qū)與無效區(qū)與單層網(wǎng)格劃分相同，中間網(wǎng)格層的相關(guān)定義以遞歸形式給出 網(wǎng)格擴(kuò)展區(qū)，其中代表G的擴(kuò)展區(qū)G網(wǎng)格的分割數(shù)據(jù)輸入?yún)^(qū)祝=呢—，其中啤m代表(網(wǎng)格有效區(qū)，對SGin內(nèi)的所有像素(對象)進(jìn)行FNEA分割，設(shè)得到m個分割對象集合=份，O2, Ov..OrJ .將這m個分割對象根據(jù)與^之間是否存在包含關(guān)系劃分為兩個集合CGl = {O G OG^ mi OAGiJNCGin = {O e OGin and O^GiJ 采用與單層網(wǎng)格劃分類似，根據(jù)分割對象與G網(wǎng)格之間的包含關(guān)系來定義G的有效區(qū)，值得注意是FG:的有效區(qū)是不包含下層有效區(qū)的，稱中的對象為有效分割對象，iVCGi中對象為無效分割對象，設(shè)有效區(qū)為所有有效分割對象覆蓋區(qū)域之和，無效區(qū)為所有非有效分割對象覆蓋區(qū)域之和。
4.根據(jù)權(quán)利要求I所述的一種并行的分形網(wǎng)絡(luò)演化影像分割方法，其特征在于，所述的步驟3中，第一級網(wǎng)格節(jié)點子任務(wù)執(zhí)行方法如下 步驟1，輸入當(dāng)前網(wǎng)格ID; 步驟2，根據(jù)網(wǎng)格ID得到網(wǎng)格覆蓋范圍G ； 步驟3，根據(jù)G得到網(wǎng)格擴(kuò)展區(qū)EG ； 步驟4，讀取原始圖像中與EG相交的像素集合IG ； 步驟5，對IG執(zhí)行FNEA分割算法，得到有效對象集合0G、有效對象集合NOG和無效區(qū)NVG ； 步驟6，讀取原始圖像中與NVG相交的像素集合IG2 ； 步驟7，判斷當(dāng)前網(wǎng)格存在上層網(wǎng)格節(jié)點中，若存在則將IG2作為輸入傳遞到上層網(wǎng)格執(zhí)行任務(wù)；否則將NOG放入最終分割結(jié)果FOG。
5.根據(jù)權(quán)利要求I所述的一種并行的分形網(wǎng)絡(luò)演化影像分割方法，其特征在于，所述的步驟3中，第2級至第N級網(wǎng)格節(jié)點子任務(wù)執(zhí)行方法如下 步驟1，輸入當(dāng)前網(wǎng)格ID以及下層格網(wǎng)的無效輸出像素集集合IO ； 步驟2，根據(jù)網(wǎng)格ID得到網(wǎng)格覆蓋范圍G ； 步驟3，按照像素唯一標(biāo)識對步驟I中的IO集合進(jìn)行排序，去除相同ID像素，得到分割輸入集合IG ； 步驟4，對IG執(zhí)行FNEA分割算法，得到有效對象集合0G、有效對象集合NOG和無效區(qū)NVG ； 步驟5，將有效對象集合OG放入最終分割結(jié)果FOG ； 步驟6，讀取原始圖像中與NVG相交的像素集合IG2 ； 步驟7，判斷當(dāng)前網(wǎng)格是否存在上層網(wǎng)格節(jié)點，若存在則將像素集合IG2作為輸入傳遞到上層網(wǎng)格執(zhí)行任務(wù)；否則將NOG放入最終分割結(jié)果FOG ； 步驟8，在所有網(wǎng)格節(jié)點均執(zhí)行完畢后，集合FOG即為本尺度下的最終分割結(jié)果。
全文摘要
本發(fā)明涉及一種并行的分形網(wǎng)絡(luò)演化影像分割方法，包括以下步驟1.將用戶期望的最終尺度分解成多個由小到大的尺度序列，然后串行化對每個尺度進(jìn)行后續(xù)操作；其中，前一個小尺度的輸出時較大尺度的輸入；2.將待分割圖像(或?qū)ο蠹?按照空間范圍進(jìn)行多級網(wǎng)格劃分；3.執(zhí)行每個網(wǎng)格節(jié)點對應(yīng)的子任務(wù)；4.當(dāng)所有子任務(wù)執(zhí)行完畢后，將執(zhí)行過程中產(chǎn)生的有效分割結(jié)果進(jìn)行合并，以作為尺度序列中更大尺度的輸入,直到用戶指定的尺度。若未到用戶指定尺度，繼續(xù)執(zhí)行2-4操作。本發(fā)明采用多級格網(wǎng)的分解與合并策略緩解和并行化資源消耗，改變了傳統(tǒng)單機(jī)環(huán)境下的資源有效，分割效率較低的處理模式，有效地解決了資源占用問題，提高并行分割效率。
文檔編號G06T7/00GK102831613SQ201210312528
公開日2012年12月19日 申請日期2012年8月29日 優(yōu)先權(quán)日2012年8月29日
發(fā)明者咼維, 朱欣艷, 胡濤, 劉異 申請人:武漢大學(xué)