專利名稱：執(zhí)行圖像信息的自動(dòng)分類的方法
技術(shù)領(lǐng)域：
本發(fā)明涉及圖像信息的自動(dòng)分類。
背景技術(shù)：
各種二維或多維成像技術(shù)現(xiàn)在都是許多技術(shù)領(lǐng)域的中心。例如，在人口統(tǒng)計(jì)、經(jīng)濟(jì)和環(huán)境分析中以及在城市規(guī)劃內(nèi)，將衛(wèi)星圖像作為原始圖像或以經(jīng)處理的形式用于測(cè)繪。 而且在例如納米技術(shù)領(lǐng)域內(nèi)，例如，通過(guò)各種醫(yī)學(xué)成像技術(shù)獲得三維圖像，用來(lái)分析人體， 作為手術(shù)期間對(duì)外科醫(yī)生的支持之類。所收集的圖像數(shù)據(jù)經(jīng)分析后用于控制機(jī)器人及其他技術(shù)設(shè)備的眾多應(yīng)用，以進(jìn)行宇宙空間導(dǎo)航、對(duì)象選擇和操縱以及與其他技術(shù)和人交互作用。此外，二維成像技術(shù)還用于顯微技術(shù)。通常，包含在這樣的圖像內(nèi)的信息在使用前需要予以解釋。這種解釋的目的通常是識(shí)別圖像內(nèi)的結(jié)構(gòu)成分，諸如背景內(nèi)的對(duì)象之類；劃定一個(gè)到另一個(gè)或大量不同的色度、結(jié)構(gòu)或在其他方面相互有所不同的界限的不同區(qū)段；或者是脫離常規(guī)的元。一些例子有識(shí)別衛(wèi)星圖像中的道路、住宅、森林、農(nóng)田等；判別人物攝影內(nèi)的面部；區(qū)分人的三維核磁共振圖像內(nèi)的各種組織類型；以及根據(jù)所生產(chǎn)的零件的攝影識(shí)別材料偏差。由于成本原因，通常所希望的是得到對(duì)圖像的自動(dòng)解釋。執(zhí)行這種解釋的一種方式從由大量一個(gè)個(gè)像素構(gòu)成的二維或更多維數(shù)字圖像開始。然后，將每個(gè)像素與若干個(gè)設(shè)計(jì)成各自表示一定像素類型的類別中的某個(gè)相應(yīng)像素類別關(guān)聯(lián)。在將所有的像素各與各自的類別關(guān)聯(lián)后，就可以為每個(gè)類別產(chǎn)生一個(gè)清單，從而得到一個(gè)所收集的只出現(xiàn)某個(gè)類型的圖像像素的圖片。在這里，將這種方法稱為“分類”。于是，某個(gè)類別例如可以表示“道路”、“肌肉組織”或“材料缺陷”。通常，用分類技術(shù)來(lái)定位對(duì)象和邊界，諸如圖像內(nèi)的線條、曲線、區(qū)域之類。已經(jīng)作了一些努力，以得到對(duì)在開始分類前對(duì)圖像內(nèi)容的認(rèn)識(shí)有限的圖像實(shí)現(xiàn)自動(dòng)執(zhí)行各種有益分類的方法。例如，已經(jīng)提出了一種方法，用一個(gè)可移動(dòng)的“窗口”掃描圖像，通過(guò)研究位于窗口中心的像素的周圍像素和用統(tǒng)計(jì)方法(基于核心的分割)將中心像素歸入某個(gè)類別。對(duì)于有些類型的圖像，這種方法可能是有效的，但是分類的結(jié)果通常是非常零散的，一些類別包括來(lái)自圖像許多不同部分的像素。結(jié)果是，沒(méi)有大量的手工勞動(dòng)就難以從這種分類得到有用的信息。也已提出一種圖像的自動(dòng)分類，用迭代方法并行考慮所有的像素(不依賴窗口的分類)。在這種方法中可以使用的算法的一個(gè)例子是K均值聚類分析。即使是這種方法在用于對(duì)數(shù)字存儲(chǔ)的圖像時(shí)往往也導(dǎo)致散布的分類。在論文"Automated Segmentation of MR Images of Brain Tumors，，(Kaus, Michael R.，et al.，Radiology 2001 ；218 :586-591)中揭示了一種對(duì)人頭顱的三維 MR 再現(xiàn)的迭代分類。借助于局部分割策略和計(jì)算某個(gè)體元(三維像素)與某個(gè)類別之間的距離的距離變換，以及根據(jù)與再現(xiàn)部分的體元的灰度有關(guān)的信息，迭代地執(zhí)行這種分類。
組成這種方法的大多數(shù)步驟必須手動(dòng)執(zhí)行，以便使最終分類結(jié)果具有足夠的可靠性。此外，在開始分類之前需要對(duì)對(duì)象有比較可靠的認(rèn)識(shí)，例如以例示“正常情況”的比較圖像之類的形式。

發(fā)明內(nèi)容
本發(fā)明解決了以上所揭示的問(wèn)題。因此，本發(fā)明涉及一種對(duì)圖像分類的方法，其特征在于所述方法包括由一個(gè)計(jì)算機(jī)或幾個(gè)互連的計(jì)算機(jī)執(zhí)行的下列步驟a)以像素組的形式將要被分類的第一圖像存儲(chǔ)到數(shù)字存儲(chǔ)媒體上，該像素組中的每個(gè)像素與在光強(qiáng)的至少一個(gè)通道內(nèi)的圖像信息關(guān)聯(lián)； b)執(zhí)行對(duì)該圖像的第一分類，第一分類基于每個(gè)相應(yīng)像素的圖像信息，使每個(gè)像素與在第一組類別內(nèi)的某個(gè)類別關(guān)聯(lián)，并將這些關(guān)聯(lián)存儲(chǔ)在第一數(shù)據(jù)庫(kù)內(nèi)；c)對(duì)于每個(gè)像素和對(duì)于第一組類別內(nèi)的幾個(gè)類別，計(jì)算該圖像內(nèi)所討論的像素到在第一數(shù)據(jù)庫(kù)內(nèi)與所討論的類別關(guān)聯(lián)的最近的像素之間的最小距離，并且對(duì)于每個(gè)為之計(jì)算了距離的類別，將每個(gè)像素與為該像素所計(jì)算的最小距離之間的關(guān)聯(lián)存儲(chǔ)在第二數(shù)據(jù)庫(kù)內(nèi)；d)執(zhí)行對(duì)在第二數(shù)據(jù)庫(kù)內(nèi)的數(shù)據(jù)的第二分類，第二分類基于每個(gè)像素到每個(gè)相應(yīng)類別的最小距離，使每個(gè)像素與在第二組類別中的某個(gè)類別關(guān)聯(lián)；以及e)以像素組的形式將經(jīng)分類的圖像存儲(chǔ)到數(shù)字存儲(chǔ)媒體上，其中，每個(gè)像素包括關(guān)于該像素與在第二組類別中的某個(gè)類別的關(guān)聯(lián)的數(shù)據(jù)，以及其中，經(jīng)分類的圖像具有與第一圖像相同的尺寸。


下面將參照本發(fā)明的例示性實(shí)施例和附圖對(duì)本發(fā)明進(jìn)行詳細(xì)說(shuō)明，在這些附圖中圖1為一個(gè)局部展開區(qū)域的數(shù)字衛(wèi)星攝影的灰度圖像；圖2示出了對(duì)圖1所例示的衛(wèi)星圖像的傳統(tǒng)的基于核心的5類別分割；圖3示出了對(duì)圖1所例示的衛(wèi)星圖像的傳統(tǒng)的不依賴窗口的四類別分類；圖4為從每個(gè)相應(yīng)像素到圖3所示類別之一的最小距離分布的圖形例示；圖5示出了按照本發(fā)明對(duì)圖1所示衛(wèi)星圖像的10類別分類；以及圖6為例示本發(fā)明的方法的流程圖。
具體實(shí)施例方式圖1為例如攝影衛(wèi)星圖像，在一個(gè)局部展開的地理區(qū)域上像素分辨率為IOX 10m。 在此所謂的“攝影圖像”意指它是由圖像傳感器捕獲和解釋光而產(chǎn)生的圖像。也就是說(shuō)，圖像可以通過(guò)讀取在一個(gè)或幾個(gè)波段內(nèi)的光構(gòu)成。圖1中的圖像是所謂的合成圖像，基于三個(gè)不同的譜帶，已以傳統(tǒng)的方式轉(zhuǎn)換成灰度。圖像以數(shù)字格式存儲(chǔ)在適當(dāng)?shù)拇鎯?chǔ)媒體上，呈現(xiàn)為一個(gè)像素組，其中每個(gè)像素與光強(qiáng)的至少一個(gè)通道內(nèi)的圖像信息關(guān)聯(lián)。圖1中，示出了一個(gè)二維圖像，其中像素排列在二維坐標(biāo)系內(nèi)，而每個(gè)像素與單個(gè)光強(qiáng)(灰度細(xì)微差別)通道關(guān)聯(lián)。然而，可以理解，按照本發(fā)明，可以使用光強(qiáng)橫跨多于一個(gè)通道(例如按照RGB標(biāo)準(zhǔn)存儲(chǔ)的光強(qiáng)信息)的二維以上的圖像。所希望的是實(shí)現(xiàn)對(duì)這種圖像的自動(dòng)分類，以便簡(jiǎn)單而高精度地判別圖像內(nèi)不同類型的地貌，諸如道路、住宅、森林、農(nóng)田、停車場(chǎng)之類。圖2所示的圖像是與圖1的相同的圖像，只是這個(gè)圖像已用傳統(tǒng)的基于核心的分割處理過(guò)了。5 X 5個(gè)像素的窗口掃過(guò)了圖像，而對(duì)于每個(gè)像素都已相對(duì)所討論的像素的光強(qiáng)計(jì)算出標(biāo)準(zhǔn)離差。這些度量隨后提供了傳統(tǒng)的基于門限值分類的基礎(chǔ)，產(chǎn)生所例示的分類結(jié)果。這結(jié)果例示于圖2，其中不同的類別用不同的灰度示出。從圖中可以清楚地看到， 這種方法就發(fā)現(xiàn)不同的類別以便對(duì)于每個(gè)像素為像素指配與一個(gè)特定類別的關(guān)聯(lián)來(lái)說(shuō)是成功的。此外，構(gòu)成不同類型的地貌(例如圖1所示的圖像內(nèi)的“道路”之類)的許多像素由于它們與同一個(gè)類別關(guān)聯(lián)而被組合。相反，在經(jīng)分類的圖像內(nèi)有比較大的噪聲。有太多的像素不同于在原始圖像內(nèi)組成相同地面類型的大多數(shù)像素與某些其他類別關(guān)聯(lián)。因此， 例如難以執(zhí)行基于這種分類的自動(dòng)映射。圖3以與圖2的類似的方式例示了圖1所示圖像的分類，所不同的是圖3中的分類是按照傳統(tǒng)的不依賴窗口的四類K均值聚類分析執(zhí)行的。如從圖3中所看到的那樣，這種分類有著與圖2的同樣的問(wèn)題。圖6示出了例示本發(fā)明的方法的流程圖。于是，按照本發(fā)明，在第一步驟101，一個(gè)計(jì)算機(jī)或幾個(gè)互連的計(jì)算機(jī)將圖像以數(shù)字方式存儲(chǔ)到數(shù)字存儲(chǔ)媒體上，呈現(xiàn)為一個(gè)像素組，其中每個(gè)像素與在光強(qiáng)的至少一個(gè)通道內(nèi)的圖像信息關(guān)聯(lián)。在第二步驟102，這個(gè)或這些計(jì)算機(jī)執(zhí)行對(duì)數(shù)字存儲(chǔ)的圖像的第一分類，并且將分類結(jié)果存儲(chǔ)在第一數(shù)據(jù)庫(kù)內(nèi)。在所例示的這個(gè)實(shí)施例中，將圖3所示的分類結(jié)果存儲(chǔ)在第一數(shù)據(jù)庫(kù)內(nèi)。在這里，將這個(gè)分類的結(jié)果標(biāo)為“第一分類”。數(shù)據(jù)庫(kù)可以是正在工作的計(jì)算機(jī)的內(nèi)部存儲(chǔ)器，硬盤上的文件或其他類型的內(nèi)部或外部數(shù)據(jù)庫(kù)。重要的是，對(duì)于原始圖像的每個(gè)像素，將與在第一分類中所使用的類別組(第一類別組)中的某個(gè)特定類別的關(guān)聯(lián)存儲(chǔ)在第一數(shù)據(jù)庫(kù)內(nèi)。第一分類可以是K均值型的聚類分析，或者是任何適當(dāng)?shù)幕诤诵幕虿灰蕾嚧翱诘姆诸悾灰@種分類是基于所存儲(chǔ)的每個(gè)相應(yīng)像素的圖像信息。第一分類可以基于一些預(yù)先規(guī)定的靜態(tài)類別、預(yù)先規(guī)定的數(shù)目可變的類別，或者在分類過(guò)程中這些類別和它們的清晰度可以呈現(xiàn)為它們的最終形式。第一分類還可以是受監(jiān)督或不受監(jiān)督的分類。受監(jiān)督的分類包括兩個(gè)步驟。在第一步驟，在一個(gè)有代表性的圖像內(nèi)標(biāo)識(shí)一些典型區(qū)域，并且取得這些典型區(qū)域的屬性的數(shù)字描述。在第二步驟，將典型區(qū)域的數(shù)字描述用作最終圖像分類中的類別。在不受監(jiān)督的分類中，將與某個(gè)圖像內(nèi)的每個(gè)像素與某個(gè)類別關(guān)聯(lián)，其中所有類別的屬性在這個(gè)過(guò)程期間確定，而不需要有關(guān)可能出現(xiàn)的圖像區(qū)域的類型的先驗(yàn)知識(shí)。按照本發(fā)明，優(yōu)選的使用不受監(jiān)督的分類，因?yàn)樗恍杞?jīng)專門修改就可以用于許多不同的圖像。有用的受監(jiān)督的分類的例子有“到均值最小距離分類器”、“平行六面體分類器”、 “高斯最大似然分類器”、“K最近鄰”和“最大似然分類”。有用的不受監(jiān)督的分類的例子有各種分層聚類方法、分割聚類方法、“K均值”聚類和“自組織映射”。在初始分類后，在按照本發(fā)明的第三步驟103，對(duì)于原始圖像內(nèi)的每個(gè)像素，計(jì)算機(jī)計(jì)算該圖像內(nèi)這個(gè)所討論的像素到最近的在第一分類中已與在第一分類期間所使用的
6這些類別中的某個(gè)特定類別關(guān)聯(lián)的像素之間的最小距離，優(yōu)選的是最小歐幾里德距離。將這樣計(jì)算得的距離與每個(gè)相應(yīng)像素關(guān)聯(lián)，并將這關(guān)聯(lián)存儲(chǔ)在第二數(shù)據(jù)庫(kù)內(nèi)，第二數(shù)據(jù)庫(kù)可以是與第一數(shù)據(jù)庫(kù)相同的數(shù)據(jù)庫(kù)或者是另一個(gè)數(shù)據(jù)庫(kù)。在是另一個(gè)數(shù)據(jù)庫(kù)的情況下，這個(gè)第二數(shù)據(jù)庫(kù)可以是上面結(jié)合第一數(shù)據(jù)庫(kù)所說(shuō)明的那種類型的。對(duì)于原始圖像內(nèi)的每個(gè)像素和對(duì)于在第一分類中的這些類別中的幾個(gè)類別，計(jì)算這種最小距離。圖4以圖形例示了所計(jì)算得的每個(gè)像素到圖3所例示的這些類別中的一個(gè)類別之間的最小距離。每個(gè)相應(yīng)像素與所討論的類別之間的最小距離用灰度例示，像素的顏色越深，它離業(yè)最近的已與所討論的類別關(guān)聯(lián)的像素的距離越長(zhǎng)。此后，按照本發(fā)明的第四步驟104，計(jì)算機(jī)執(zhí)行第二分類，這次是基于存儲(chǔ)在第二數(shù)據(jù)庫(kù)內(nèi)的數(shù)據(jù)，優(yōu)選的是對(duì)于和基于原始圖像內(nèi)的所有像素。按照本發(fā)明，第二分類的恰當(dāng)度量，對(duì)于每個(gè)像素，為所計(jì)算的離一些類別的最小距離，如在步驟103中所計(jì)算得的。 這些所計(jì)算的最小距離因此可以是每個(gè)像素一個(gè)或幾個(gè)度量值，因?yàn)榭赡芾绫匦鑸?zhí)行作為第二分類的一部分的多維聚類分析。第二分類的適當(dāng)分類類型是上面所說(shuō)明的適合第一分類的那些，第二分類可以是與第一分類相同的類型，也可以是與第一分類不同的其他類型。然而，優(yōu)選的是第二分類是不受監(jiān)督類型的。此外，優(yōu)選的是，無(wú)論第一分類是受監(jiān)督或不受監(jiān)督類型的，第二分類都是不受監(jiān)督類型的。這樣的方法允許對(duì)許多不同的原始圖像進(jìn)行自動(dòng)和精確分類。于是，第二分類的結(jié)果是在原始圖像內(nèi)每個(gè)相應(yīng)像素與或者是預(yù)先規(guī)定的或者是在第二分類期間所規(guī)定的第二組類別中的某個(gè)特定類別之間的關(guān)聯(lián)。此后，按照本發(fā)明，這個(gè)計(jì)算機(jī)或這些互連的計(jì)算機(jī)在第五步驟105將每個(gè)相應(yīng)像素的這種關(guān)聯(lián)存儲(chǔ)到一個(gè)數(shù)字存儲(chǔ)媒體上，這個(gè)數(shù)字存儲(chǔ)媒體可以是與存儲(chǔ)原始圖像的相同或不同的數(shù)字存儲(chǔ)媒體，而其中存儲(chǔ)技術(shù)可以是如上面就原始圖像所說(shuō)明的。重要的是，各與某個(gè)特定類別的關(guān)聯(lián)的像素的集合以允許將這信息表示為一個(gè)經(jīng)分類的圖像的方式存儲(chǔ)，其中，每個(gè)像素在經(jīng)分類的圖像內(nèi)的位置與這個(gè)像素在原始圖像內(nèi)的位置相應(yīng)，而各個(gè)像素的值，諸如在一個(gè)或幾個(gè)通道內(nèi)的色度，與所討論的像素已關(guān)聯(lián)的類別相應(yīng)。結(jié)果，經(jīng)分類的圖像就具有與原始圖像相同的像素尺寸。在以后的一些步驟，經(jīng)分類的圖像的分辨率當(dāng)然可以予以調(diào)整。圖5例示了根據(jù)圖1所示的原始圖像這樣的經(jīng)最終分類的圖像，其中不同的類別用不同的灰度表示。圖5所示的分類因此是根據(jù)原始圖像內(nèi)每個(gè)像素離從第一分類得到的、在圖3中所例示的每個(gè)類別的最小歐幾里德距離。第一分類后計(jì)算離一個(gè)或幾個(gè)類別的最小距離再根據(jù)這些所計(jì)算的最小距離進(jìn)行第二分類的這種方法解決了以上所揭示的問(wèn)題。由于用到某個(gè)類別的最小距離來(lái)進(jìn)行第二分類，將附近像素與同一個(gè)最終類別關(guān)聯(lián)的概率就會(huì)比較大。同樣，一個(gè)與在最終分類中分在某個(gè)類別內(nèi)的一組像素類似的但是就離圖像內(nèi)的這些其他像素的距離而言是孤立的像素被分在這個(gè)類別內(nèi)的概率將很小。也就是說(shuō)，按照本發(fā)明的方法將具有強(qiáng)烈的將附近的像素分入同一個(gè)類別的傾向，因此可以生成一些由與同一個(gè)類別關(guān)聯(lián)的像素組成的連接區(qū)域。這些效果導(dǎo)致在最終經(jīng)分類的圖像內(nèi)有低的散布。
另一方面，在第一分類中類別的組成在圖像的一個(gè)區(qū)域內(nèi)迅速改變的情況下，在附近的像素之間所計(jì)算的到某個(gè)類別的最小距離將迅速改變。這導(dǎo)致按照本發(fā)明的方法， 以比較精確的方式，將產(chǎn)生最終類別之間的邊界真實(shí)地表示原始圖像內(nèi)的恰當(dāng)邊界和過(guò)渡的最終分類。應(yīng)注意的是，第一分類的結(jié)果本身并不一定是有用的。類別中有些將可能達(dá)到以反映原始圖像的實(shí)際組成的方式對(duì)像素分組。另一方面，在大多數(shù)情況下，至少有一個(gè)類別將時(shí)常以難以解釋的多噪聲方式對(duì)像素分組，如上面所說(shuō)明的。然而，這種情況并不影響在第二分類后的最終結(jié)果，即使在這第二分類以同樣方式使用第一分類的所有類別的情況下也是這樣?？傊?，可以用以上所說(shuō)明的方法在沒(méi)有廣泛的對(duì)某個(gè)圖像的內(nèi)容先驗(yàn)知識(shí)的情況下自動(dòng)實(shí)現(xiàn)散布低的恰當(dāng)分類。按照一個(gè)優(yōu)選實(shí)施例，在步驟103對(duì)于每個(gè)像素計(jì)算到在第一分類期間所用的所有類別中每個(gè)類別的最小距離，并且在第一分類期間的所有類別在這種情況下也用于第二分類。這就充分利用了包含在原始圖像內(nèi)的信息。按照一個(gè)優(yōu)選實(shí)施例，第一分類包括使用K均值聚類分析的分類，以及隨后的使用最大似然聚類分析的分類，其中將K均值分類得到的結(jié)果用作起始點(diǎn)。按照另一個(gè)優(yōu)選實(shí)施例，第二分類包括K均值聚類分析。本發(fā)明人已發(fā)現(xiàn)這種方法可以得到良好的最終結(jié)
: O此外，在第一分類中的類別的數(shù)目或者預(yù)先設(shè)置在20到100之間的情況下，或者在第一分類使用數(shù)目可變的類別、而將在這種情況下的分類調(diào)整成所得到的類別的數(shù)目在20到100之間時(shí)，本發(fā)明人已得到良好的結(jié)果。按照一個(gè)特別優(yōu)選的實(shí)施例，使用所謂的Akaike信息準(zhǔn)則通過(guò)均衡模型的復(fù)雜性與每個(gè)類別內(nèi)的方差來(lái)判定第一分類中最佳的類別數(shù)目。也就是說(shuō)，將類別的數(shù)目選擇成使得對(duì)于類別的數(shù)目如所選的分類來(lái)說(shuō) Akaike 信息準(zhǔn)則達(dá)到最大。參見(jiàn) Akaike H.的 “A new look at the statistical model identification，，，IEEE Trans. Automat. Contr. AC-19 :716-23,1974 (Institute of Statistical Mathematics, Minato-ku, Tokyo, Japan)。相應(yīng)地，已發(fā)現(xiàn)在第二分類中類別的適當(dāng)數(shù)目在5到20之間，特別是在第一分類中類別的數(shù)目在20到100之間時(shí)。取決于具體應(yīng)用，這樣的類別數(shù)目就可以得到對(duì)各個(gè)像素的恰當(dāng)分類和大多數(shù)的類別內(nèi)只有有限的噪聲的最終分類圖像。選擇在第二分類中類別的數(shù)目一方面取決于希望從本發(fā)明的方法得到的結(jié)果的類型，另一方面取決于在以后的步驟中是否需執(zhí)行對(duì)所實(shí)現(xiàn)的分類的附加處理。特別優(yōu)選的是，在第二分類中也以與上面所說(shuō)明的相應(yīng)的方式使用判定類別的數(shù)目的Akaike準(zhǔn)則。按照一個(gè)優(yōu)選實(shí)施例，將每個(gè)所計(jì)算的在一個(gè)像素到某個(gè)類別之間的最小距離加權(quán)后再存儲(chǔ)在第二數(shù)據(jù)庫(kù)內(nèi)。通過(guò)這樣的加權(quán)，可以使在所計(jì)算的到某個(gè)類別的最小距離中的差別在第二分類中有較大的影響。就此，優(yōu)選的是執(zhí)行這樣的加權(quán)以使得較短的所計(jì)算的最小距離與較長(zhǎng)的所計(jì)算的最小距離相比較多地影響第二分類。例如，這可以通過(guò)用凸函數(shù)對(duì)所有所計(jì)算的最小距離進(jìn)行變換來(lái)實(shí)現(xiàn)。這樣的變換的一個(gè)例子為d{ = -yjxl
其中，Λ/為所計(jì)算的在像素i到與類別j關(guān)聯(lián)的最近的像素之間的最小距離，而 d/為實(shí)際存儲(chǔ)入第二數(shù)據(jù)庫(kù)的在像素i到類別j之間的最小距離的值。這樣的加權(quán)增大了對(duì)像素的最終分類結(jié)果的恰當(dāng)性。在需計(jì)算在某個(gè)像素到某個(gè)類別之間的最小距離的情況下，而如果在第一數(shù)據(jù)庫(kù)內(nèi)像素已關(guān)聯(lián)的類別與需計(jì)算最小距離的類別相同，也就是說(shuō)在以上式子中i = j時(shí)，有兩個(gè)備選方案來(lái)考慮將什么認(rèn)為是在像素到類別之間的最小距離?；蛘呤?，可以將最小距離設(shè)置為0，反映在所討論的像素到本身之間的距離為0，或者是，將這距離設(shè)置為在像素到最近的與該像素所關(guān)聯(lián)的同一個(gè)類別關(guān)聯(lián)的另一個(gè)像素之間的最小距離。這兩個(gè)備選方案可以用于不同的應(yīng)用，但是通常優(yōu)選的是，在i = j的情況下將最小距離設(shè)置為0。如以上所討論的，按照本發(fā)明的方法可以有益地用來(lái)自動(dòng)實(shí)現(xiàn)對(duì)二維圖像的恰當(dāng)分類，特別是對(duì)于攝影圖像。已發(fā)現(xiàn)，對(duì)含有在一個(gè)通道內(nèi)的圖像信息(諸如灰度光強(qiáng))的這種攝影圖像的分類可以得到高質(zhì)量的結(jié)果。在攝影圖像具有在三個(gè)或更多個(gè)通道內(nèi)的圖像信息，諸如按照使用諸如RGB或NCS的三個(gè)通道的有些傳統(tǒng)色系的色度信息或者由幾個(gè)不同的通道表示不同波段上的色度的表示，的情況下，按照本發(fā)明的方法也是非常有用的。 后面這種彩色信息模型例如用于衛(wèi)星圖像，而在這種情況下通常使用四個(gè)或更多個(gè)不同波長(zhǎng)的通道。從這樣的二維攝影衛(wèi)星圖像出發(fā)，因此可以用按照本發(fā)明的方法例如作為測(cè)繪、 人口統(tǒng)計(jì)或地理考察、環(huán)境分析等的自動(dòng)化工具。在另一種二維攝影圖像的情況下，可以用按照本發(fā)明的方法作為例如計(jì)算機(jī)視覺(jué)、生產(chǎn)零件、半成品或原材料的外觀檢查的系統(tǒng)的一部分，協(xié)助攝影的系統(tǒng)，以便能自動(dòng)識(shí)別不同的對(duì)象和/或發(fā)現(xiàn)適當(dāng)?shù)慕裹c(diǎn)、數(shù)字圖像處理、遠(yuǎn)距離顯示、顯微技術(shù)、數(shù)字圖像分析和處理等。此外還可以認(rèn)識(shí)到，對(duì)于三維圖像特別是如以上所討論的在醫(yī)學(xué)和獸醫(yī)領(lǐng)域內(nèi)表示人和動(dòng)物的組織結(jié)構(gòu)的三維圖像的自動(dòng)分類來(lái)說(shuō)，按照本發(fā)明的方法也是有用的。這樣的三維圖像實(shí)際上通常是三維對(duì)象的三維描述，其中每個(gè)像素包括涉及在對(duì)象內(nèi)與所討論的像素相應(yīng)的位置處的一個(gè)或幾個(gè)物質(zhì)特性的值的圖像信息。物質(zhì)特性例如可以是物質(zhì)密度和/或是否存在標(biāo)志物。常見(jiàn)的是，這樣的圖像只有它的在一個(gè)通道內(nèi)的圖像信息?？梢蕴貏e有益地用經(jīng)自動(dòng)分割的三維描述來(lái)分析人體，作為在手術(shù)期間對(duì)外科醫(yī)生的支持， 以分析在微米和納米技術(shù)領(lǐng)域內(nèi)的三維描述。為了改善第一分類的效用，按照一個(gè)優(yōu)選實(shí)施例，在所述第一分類前，計(jì)算機(jī)對(duì)原始圖像進(jìn)行基于核心的操作，再將由此得到的結(jié)果與原始圖像的圖像信息一起用作第一分類的基礎(chǔ)。這樣做的一個(gè)例子是可以為每個(gè)像素計(jì)算對(duì)于在所討論的像素周圍的一個(gè)有限區(qū)域上例如一個(gè)以所討論的像素為中心的9X9矩陣上的紋理的值，然后可以在執(zhí)行第一分類前將這個(gè)所計(jì)算的值作為一個(gè)附加信息通道并入所討論的像素的現(xiàn)有圖像信息。這樣，來(lái)自周圍像素的一定信息將影響在第一數(shù)據(jù)庫(kù)內(nèi)某個(gè)像素所關(guān)聯(lián)的類別，這在有些應(yīng)用中可以增加最終分類的精度。按照一個(gè)優(yōu)選實(shí)施例，在第一分類前，將事先已知的附加信息添加給色度信息作為給每個(gè)像素的一個(gè)或一些附加通道。在要被分類的圖像是衛(wèi)星圖像的情況下，這樣的附加信息的例子包括諸如堅(jiān)實(shí)地面的斜度、沉降、高度和分布之類的地理數(shù)據(jù)以及諸如人口密度和土地所有權(quán)之類的人口統(tǒng)計(jì)數(shù)據(jù)的局部測(cè)量值。此后將這附加信息以與上面對(duì)于紋理數(shù)據(jù)所說(shuō)明的相應(yīng)的方式用于第一分類。按照另一個(gè)優(yōu)選實(shí)施例，收集附加數(shù)據(jù)，但是不是以與色度數(shù)據(jù)相同的方式在第一分類中使用這附加數(shù)據(jù)。而是將附加數(shù)據(jù)用作分類的初始條件。這樣做的一個(gè)例子是在最初步驟用諸如人口中心的地理延伸之類的某個(gè)值來(lái)區(qū)分那些滿足諸如“像素處在人口中心的界限之外？ ”之類的某個(gè)條件的像素。此后，可以只對(duì)被區(qū)分的像素執(zhí)行第二分類，而可以將沒(méi)有被區(qū)分的像素，在前面的例子中為在原始圖像內(nèi)沒(méi)有處在人口中心內(nèi)的那些像素，分入在第一分類中所使用的類別之外的一個(gè)單獨(dú)的類別。在這里結(jié)合分類使用附加數(shù)據(jù)所述的情況對(duì)于第二分類也是有用的。這些選擇將取決于實(shí)際應(yīng)用和取決于為了進(jìn)一步提高分類的精度可得到的是什么數(shù)據(jù)。以上對(duì)優(yōu)選實(shí)施例作了說(shuō)明。然而，對(duì)于技術(shù)人員來(lái)說(shuō)顯而易見(jiàn)的是，在不背離本發(fā)明的思想的情況下可以對(duì)所說(shuō)明的這些實(shí)施例進(jìn)行許多修改。舉例來(lái)說(shuō)，本方法可以迭代執(zhí)行。也就是說(shuō)，在第一分類、計(jì)算到一些類別的最小距離和第二分類后，可以執(zhí)行對(duì)到從第二分類得到的這些類別中的一個(gè)或幾個(gè)類別的最小歐幾里德距離的附加計(jì)算，此后可以根據(jù)這些所計(jì)算的最小距離執(zhí)行附加分類。后面的最小距離計(jì)算和分類可以在上面對(duì)這樣的計(jì)算和對(duì)第二分類所說(shuō)明的情況的范圍內(nèi)改變。對(duì)于有些實(shí)施例，這樣的以幾個(gè)迭代步驟進(jìn)行分類可以得到甚至更好的結(jié)果。因此，本發(fā)明不應(yīng)被局限于所說(shuō)明的這些實(shí)施例，而可以在所附權(quán)利要求書的范圍內(nèi)被改變。
權(quán)利要求
1.一種對(duì)圖像分類的方法，其特征在于所述方法包括由一個(gè)計(jì)算機(jī)或幾個(gè)互連的計(jì)算機(jī)執(zhí)行的下列步驟a)以像素組的形式將要被分類的第一圖像存儲(chǔ)到數(shù)字存儲(chǔ)媒體上，該像素組中的每個(gè)像素與在光強(qiáng)的至少一個(gè)通道內(nèi)的圖像信息關(guān)聯(lián)；b)執(zhí)行對(duì)該圖像的第一分類，第一分類基于每個(gè)相應(yīng)像素的圖像信息，使每個(gè)像素與在第一組類別內(nèi)的某個(gè)類別關(guān)聯(lián)，并將這些關(guān)聯(lián)存儲(chǔ)在第一數(shù)據(jù)庫(kù)內(nèi)；c)對(duì)于每個(gè)像素和對(duì)于第一組類別內(nèi)的幾個(gè)類別，計(jì)算該圖像內(nèi)所討論的像素到在第一數(shù)據(jù)庫(kù)內(nèi)與所討論的類別關(guān)聯(lián)的最近的像素之間的最小距離，并且對(duì)于每個(gè)為之計(jì)算了距離的類別，將每個(gè)像素與為該像素所計(jì)算的最小距離之間的關(guān)聯(lián)存儲(chǔ)在第二數(shù)據(jù)庫(kù)內(nèi)；d)執(zhí)行對(duì)在第二數(shù)據(jù)庫(kù)內(nèi)的數(shù)據(jù)的第二分類，第二分類基于每個(gè)像素到每個(gè)相應(yīng)類別的最小距離，使每個(gè)像素與在第二組類別中的某個(gè)類別關(guān)聯(lián)；以及e)以像素組的形式將經(jīng)分類的圖像存儲(chǔ)到數(shù)字存儲(chǔ)媒體上，其中，每個(gè)像素包括關(guān)于該像素與在第二組類別中的某個(gè)類別的關(guān)聯(lián)的數(shù)據(jù)，以及其中，經(jīng)分類的圖像具有與第一圖像相同的尺寸。
2.按照權(quán)利要求1所述的方法，其特征在于在步驟c)中計(jì)算每個(gè)像素到第一組類別中的所有類別之間的最小距離。
3.按照權(quán)利要求2所述的方法，其特征在于第一分類包括K均值分類以及隨后的最大似然分類，在該最大似然分類中將K均值分類得到的結(jié)果用作起始點(diǎn)。
4.按照以上權(quán)利要求中任一項(xiàng)所述的方法，其特征在于第二分類包括K均值分類。
5.按照以上權(quán)利要求中任一項(xiàng)所述的方法，其特征在于第一組類別中的類別的數(shù)目為使該分類的Akaike信息準(zhǔn)則達(dá)到最大的數(shù)目。
6.按照以上權(quán)利要求中任一項(xiàng)所述的方法，其特征在于第一組類別中的類別的數(shù)目在20到100之間。
7.按照以上權(quán)利要求中任一項(xiàng)所述的方法，其特征在于第二組類別中的類別的數(shù)目是使該分類的Akaike信息準(zhǔn)則達(dá)到最大的數(shù)目。
8.按照以上權(quán)利要求中任一項(xiàng)所述的方法，其特征在于第二組類別中的類別的數(shù)目在5到20之間。
9.按照以上權(quán)利要求中任一項(xiàng)所述的方法，其特征在于在步驟c)中所述計(jì)算機(jī)或互連的計(jì)算機(jī)將每個(gè)所計(jì)算的最小距離加權(quán)調(diào)整后再存儲(chǔ)入第二數(shù)據(jù)庫(kù)，其中，該加權(quán)被執(zhí)行以使得在步驟d)的第二分類中較短的所計(jì)算的最小距離與較長(zhǎng)的所計(jì)算的最小距離相比具有較強(qiáng)的影響。
10.按照權(quán)利要求1-9中任一項(xiàng)所述的方法，其特征在于第一圖像是二維攝影圖像， 并且每個(gè)像素包括在至少三個(gè)各含有某個(gè)波長(zhǎng)譜的光強(qiáng)的通道內(nèi)的圖像信息。
11.按照權(quán)利要求10所述的方法，其特征在于第一圖像是衛(wèi)星圖像。
12.按照權(quán)利要求1-9中任一項(xiàng)所述的方法，其特征在于第一圖像是三維對(duì)象的三維圖像，并且每個(gè)像素包括在一個(gè)通道內(nèi)的圖像信息，該圖像信息給出在所述對(duì)象內(nèi)與所討論的像素相應(yīng)的位置處的物質(zhì)特性的值。
13.按照以上權(quán)利要求中任一項(xiàng)所述的方法，其特征在于所述計(jì)算機(jī)或互連的計(jì)算機(jī)使用事先計(jì)算的或在第一和/或第二分類中除了色度之外還為第一圖像內(nèi)的每個(gè)像素計(jì)算的信息，作為與所述通道或含有色度數(shù)據(jù)的那些通道一起的一個(gè)或幾個(gè)附加通道。
14.按照以上權(quán)利要求中任一項(xiàng)所述的方法，其特征在于所述計(jì)算機(jī)或互連的計(jì)算機(jī)使用事先計(jì)算的或在第一和/或第二分類中除了色度之外還為第一圖像內(nèi)的每個(gè)像素計(jì)算的信息，以便在所討論的分類開始前，將根據(jù)附加數(shù)據(jù)滿足某個(gè)初始條件的像素與某個(gè)類別關(guān)聯(lián)，然后只對(duì)其余像素執(zhí)行所討論的分類。
15.按照權(quán)利要求13或14所述的方法，其特征在于第一圖像是衛(wèi)星圖像，并且附加數(shù)據(jù)包括事先給定的變量中的至少一些，所述變量例如為堅(jiān)實(shí)地面的斜度、沉降、高度、分布，人口密度或土地所有權(quán)，或者在已為之計(jì)算了紋理的像素的局部環(huán)境內(nèi)的紋理計(jì)算值。
16.按照以上權(quán)利要求中任一項(xiàng)所述的方法，其特征在于所述最小距離為在圖像內(nèi)的最小歐幾里德距離。
全文摘要
本發(fā)明的方法的特征在于所述方法包括由一個(gè)計(jì)算機(jī)或幾個(gè)互連的計(jì)算機(jī)執(zhí)行的下列步驟a)以像素組的形式將要被分類的第一圖像存儲(chǔ)到數(shù)字存儲(chǔ)媒體上，該像素組中的每個(gè)像素與在光強(qiáng)的至少一個(gè)通道內(nèi)的圖像信息關(guān)聯(lián)；b)執(zhí)行對(duì)該圖像的第一分類，第一分類基于每個(gè)相應(yīng)像素的圖像信息，使每個(gè)像素與在第一組類別內(nèi)的某個(gè)類別關(guān)聯(lián)，并將這些關(guān)聯(lián)存儲(chǔ)在第一數(shù)據(jù)庫(kù)內(nèi)；c)對(duì)于每個(gè)像素和對(duì)于第一組類別內(nèi)的幾個(gè)類別，計(jì)算該圖像內(nèi)所討論的像素到在第一數(shù)據(jù)庫(kù)內(nèi)與所討論的類別關(guān)聯(lián)的最近的像素之間的最小距離，并且對(duì)于每個(gè)為之計(jì)算了距離的類別，將每個(gè)像素與為該像素所計(jì)算的最小距離之間的關(guān)聯(lián)存儲(chǔ)在第二數(shù)據(jù)庫(kù)內(nèi)；d)執(zhí)行對(duì)在第二數(shù)據(jù)庫(kù)內(nèi)的數(shù)據(jù)的第二分類，第二分類基于每個(gè)像素到每個(gè)相應(yīng)類別的最小距離，使每個(gè)像素與在第二組類別中的某個(gè)類別關(guān)聯(lián)；以及e)以像素組的形式將經(jīng)分類的圖像存儲(chǔ)到數(shù)字存儲(chǔ)媒體上，其中，每個(gè)像素包括關(guān)于該像素與在第二組類別中的某個(gè)類別的關(guān)聯(lián)的數(shù)據(jù)，以及其中，經(jīng)分類的圖像具有與第一圖像相同的尺寸。
文檔編號(hào)G06T7/40GK102369541SQ201080011107
公開日2012年3月7日 申請(qǐng)日期2010年3月9日 優(yōu)先權(quán)日2009年3月10日
發(fā)明者A·韋斯特費(fèi)爾特, B·馬爾姆伯格, M·尼埃爾森 申請(qǐng)人:喬羅斯認(rèn)知股份公司