自然圖像分割算法的研究.pdf

1、圖像分割一直是計(jì)算機(jī)視覺(jué)和模式識(shí)別等領(lǐng)域內(nèi)一個(gè)極具挑戰(zhàn)性的研究問(wèn)題。一般情況下，圖像分割的目的是找到一幅圖像中具有語(yǔ)義一致性的區(qū)域并將其彼此分割。為了實(shí)現(xiàn)這個(gè)目標(biāo)，人們已經(jīng)提出大量不同的方法，大致可劃分為兩大類(lèi):即，基于像素(pixel-wise)和基于區(qū)域(region-wise)。
　　 區(qū)域與像素相比，它們可以包含更多信息。這些區(qū)域是由原始圖像經(jīng)過(guò)初始分割所得到，這樣可將圖像幾百萬(wàn)的像素轉(zhuǎn)化為數(shù)量較少的初始區(qū)域。本文提出的

2、基于CCTA區(qū)域合并的方法即充分利用這個(gè)優(yōu)點(diǎn)來(lái)降低算法的復(fù)雜度。初始分割得到的圖像用區(qū)域鄰接圖表示，其中每個(gè)節(jié)點(diǎn)代表一個(gè)均勻的區(qū)域，區(qū)域之間的邊緣權(quán)重表示相鄰區(qū)域的相似性。根據(jù)Kruskal最小生成樹(shù)(KMST)算法，迭代合并空間域中彼此相鄰、且視覺(jué)屬性最相似的一致性區(qū)域，直至實(shí)現(xiàn)全局最優(yōu)。
　　 近些年，在醫(yī)學(xué)圖像分割領(lǐng)域，基于像素的活動(dòng)輪廓模型方法得到廣泛應(yīng)用。它們主要分為:基于邊緣(edge)和基于區(qū)域(region)的模