图像分割新算法研究及应用

论文摘要

图像分割是将图像划分为若干个各具特性的连通子区域并提取感兴趣目标的技术和过程,该技术是图像识别和图像理解的基本前提和步骤,因而对图像分割的研究具有十分重要的意义。图像分割主要依赖于像素值的不连续性与同质性,目前为止已经有上千种算法,但是不存在一种通用的图像分割方法。近年来,基于图论的分割技术已成为图像分割领域中的一个新热点。图像分割中不需要人工干预就可以完成图像分割的算法称为全自动分割方法,反之称为半自动分割方法或者交互式分割方法。全自动分割算法需要考虑的因素多,实用性较低,而交互式分割方法参与人的主观能动性,可以获得较满意的结果。鉴于交互式分割方法相对于全自动分割方法具有更高的实用价值,本文着重研究基于图论的交互式的种子图像分割算法,主要研究内容如下：(1)针对Grabcut算法对局部噪声敏感、耗时而且提取边缘不理想等缺点,本文提出一种基于Grabcut改进的图像分割新算法。首先采用多尺度分水岭算法对梯度图像平滑去噪；然后对新梯度图像再次进行分水岭运算,增强了图像的边缘点,减少了后续处理的计算量。最后再用熵惩罚因子优化分割能量函数,抑制了目标信息的损失。与传统算法相比,该算法的分割精度和运行效率得到了提高。(2)针对海陆遥感图像存在对比度低、斑点噪声、弱边界等问题,提出一种基于随机游走的交互式水边线提取改进算法。首先将色彩和梯度特征引入到随机游走算法中,利用l2范数与高斯权函数相结合构造一种新的相似度矩阵,以获得一个加权图；然后给出标签种子点,借助于电路模拟与组合Dirichlet问题计算图中节点间电势值,并根据电势值的大小进行分类,从而提取到高质量的水边线。仿真实验表明,与传统算法相比,改进的算法具有很强的抗干扰能力,对于遥感图像水边线的提取更精确,特别对于弱边缘的水边线有良好的提取能力。(3)对Grabcut算法和随机游走算法的仿真实验进行研究比较,得出如下结论：Grabcut算法二元能量最优,操作简单,分割效果好,具有较高的实用性。随机游走算法适用于多目标、边界模糊与低对比度的图像分割,但是分割结果受种子点位置影响。针对不同图像的特点可以采用不同的算法,从而实现最优分割。

论文目录

• 中文摘要
• Abstract
• 第一章 引言
• 1.1 图像分割研究背景
• 1.2 基于图论的图像分割研究现状
• 1.2.1 基于Grabcut算法的图像分割研究现状
• 1.2.2 基于随机游走算法的图像分割研究现状
• 1.3 本文创新点及意义
• 1.4 论文结构
• 第二章 图像分割方法及图论基础
• 2.1 图像分割方法简介
• 2.2 图的相关概念
• 2.3 图的矩阵表示
• 2.4 网络流
• 2.5 本章小结
• 第三章 基于Grabcut改进的图像分割新算法
• 3.1 Graph Cut算法原理
• 3.2 基于Grabcut算法的图像分割
• 3.2.1 高斯混合模型
• 3.2.2 Grabcut算法介绍
• 3.3 基于Grabcut改进的图像分割新算法
• 3.3.1 图像的预处理
• 3.3.1.1 分水岭分割算法
• 3.3.1.2 改进的二次分水岭分割
• 3.3.2 能量函数的改进
• 3.3.3 改进的Grabcut算法流程
• 3.4 实验结果与分析
• 3.5 本章小结
• 第四章 基于随机游走算法的水边线提取新算法
• 4.1 随机游走算法的简介
• 4.2 基于随机游走的图像分割
• 4.2.1 边权重
• 4.2.2 组合Dirichlet问题
• 4.2.3 与随机游走算法相关的理论
• 4.2.3.1 电路模拟
• 4.2.3.2 与扩散理论的区别
• 4.3 基于随机游走算法水边线提取新算法
• 4.3.1 权重的改进设计
• 4.3.2 改进算法的流程
• 4.3.3 仿真实验及结果分析
• 4.4 本章小结
• 第五章 本文改进的两种图像分割算法比较
• 5.1 改进的Grabcut算法与随机游走算法的比较
• 5.2 本章小节
• 结论与展望
• 参考文献
• 在校期间的研究成果及发表的学术论文
• 致谢