利用稀疏表示与字典学习进行图像分割的方法

本发明公开了一种利用稀疏表示与字典学习进行图像分割的方法，主要解决现有技术在不需要样本标签的情况下分割结果不稳定的问题。其实现过程如下：

1. 输入待分割图像，并对待分割图像提取灰度共生特征和小波特征；
2. 利用所得特征对待分割图像进行K均值聚类，得到K类特征点；
3. 利用KSVD方法得到K类特征点所对应的K个字典；
4. 利用BP算法在K个字典上对所有特征进行稀疏分解，得到稀疏系数矩阵；
5. 对每一个特征点计算各类字典的稀疏表示误差，并将该特征对应的点划分到字典误差最小的类别中；
6. 重复步骤5，直到所有点都得到标签值，完成最后的分割。

本发明与现有技术相比，显著提高了图像的稳定性能以及分割性能，可用于目标检测与背景分离。

本发明公开了一种利用稀疏表示与字典学习进行图像分割的方法,主要解决现有技术在不需要样本标签的情况下分割结果不稳定的问题,其实现过程是：（1）输入待分割图像并对待分割图像提取灰度共生特征和小波特征;（2）利用所得特征对待分割图像进行K均值聚类得到K类特征点;（3）利用KSVD方法得到K类特征点所对应的K个字典;（4）利用BP算法在K个字典上对所有特征进行稀疏分解,得到稀疏系数矩阵;（5）对每一个特征点计算各类字典的稀疏表示误差,并将该特征对应的点划分到字典误差最小的类别中;（6）重复步骤（5）直到所有点都得到标签值,完成最后的分割。本发明与现有技术相比显著的提高了图像的稳定性能以及分割性能,可用于目标检测与背景分离。