基于超像素和圖論的圖像分割方法研究.pdf

1、圖像分割是圖像處理領(lǐng)域中一項基礎(chǔ)而又重要的步驟，對一些更高級的計算機視覺技術(shù)具有重要的影響，如目標識別與跟蹤、場景分析等。由于圖像本身可以轉(zhuǎn)化成圖結(jié)構(gòu)，因此基于圖論的分割方法是一種較受歡迎的圖像分割方法，為了降低圖論分割方法中圖節(jié)點的數(shù)目，提高圖像分割的效率，本文將超像素與圖論的分割方法相結(jié)合，并提出一些改進的算法，論文的主要工作包括如下幾個方面:
　　(1)針對分水嶺超像素分割方法在泛洪處理過程中僅利用圖像的梯度信息導致產(chǎn)生的超

2、像素質(zhì)量較差的缺點，本文提出一種新的基于泛洪思想的超像素分割方法(Flooding-BasedSuperpixel，F(xiàn)S)。該方法首先用顏色信息代替梯度信息進行泛洪處理，每個像素點的泛洪處理順序由該像素點與種子點的顏色距離和空間距離加權(quán)和決定;同時為了讓超像素的邊界更好地貼合圖像的邊緣，在利用泛洪操作初步得到超像素分割結(jié)果后，根據(jù)每個邊界像素點與其超像素中心的距離以及與該像素點鄰域內(nèi)與其類別不同的像素的超像素中心的距離的大小進行超像素邊

3、界的迭代修正后得到最終的結(jié)果。與一些著名的超像素分割方法相比，本文方法具有一定的競爭力。
　　(2)針對譜聚類分割方法存在復雜度較高的問題，本文提出一種基于FS和譜聚類的無監(jiān)督圖像分割方法。該方法利用FS算法進行圖像的預分割處理以降低圖節(jié)點的個數(shù)，并采用超像素的顏色，協(xié)方差矩陣，測地線邊緣和空間位置信息四種特征融合的方式來構(gòu)建譜聚類的超像素相似度矩陣。實驗結(jié)果表明，本文分割方法具有較高的分割精度。
　　(3)相比圖像的無監(jiān)督

4、分割，交互式分割可以獲得更準確的分割結(jié)果，為此本文針對graph-cuts算法存在分割錯誤率較高的缺點，提出一種基于FS和graph-cuts的交互式分割方法。該方法首先利用FS算法進行預處理，然后在graph-cuts算法的能量函數(shù)模型的基礎(chǔ)上提出一種基于超像素的能量函數(shù)模型，該模型的區(qū)域項在考慮超像素與標記的特征距離的同時，還加入了兩者的測地線距離，在利用最大流最小割算法處理后得到初步的分割結(jié)果，根據(jù)超像素的特征最近鄰超像素的類別信