融合区域合并和Graph Cuts的彩色图像分割方法

针对使用Graph Cuts方法对图像进行分割极大影响分割精度这一问题,提出了一种新的融合区域分级合并和Graph Cuts的彩色图像分割算法。该算法首先使用均值漂移算法对图像进行初始分割,将原图像分割为具有较好边界的同质区域;然后,通过计算区域相似度对区域进行分级合并,之后构建精简的加权图,并使用Graph Cuts进行分割。多幅彩色图像的分割实验结果证明,所提算法具有较好的分割效果。     

层次式图切分快速分割算法

图切分（Graph Cuts,GC）是近年来兴起的基于图论框架的图像分割方法, 该理论的新颖之处在于它的全局最优性和结合多种知识的统一性。 但当图像较大时运算非 常耗时。该文提出了一种基于GC 的层次式图像分割方法。先在低分辨率中用GC 以较低的 分割代价获取粗尺度的初始分割,再将结果轮廓映射回高分辨率图像中并构造出窄带,进而 采用matting 思想,在窄带内获取精确分割。实验结果表明,本文方法在确保分割结果准确 性的同时,运算速度大幅度提高。     

基于Graph Cuts多特征选择的双目图像分割方法

双目图像分割对后续立体目标合成与三维重建等应用至关重要.由于双目图像中包含场景深度信息,因此直接将单目图像分割方法应用于双目图像尚不能得到理想的分割结果.目前,大多数双目图像分割方法将双目图像的深度特征作为颜色特征的额外通道来使用,仅对颜色特征与深度特征做简单整合,未能充分利用图像的深度特征.文中基于多分类Graph Cuts框架,提出了一种交互式双目图像分割方法.该方法将颜色、深度和纹理等特征融合到一个图模型中,以更充分地利用不同特征信息.同时,在Graph Cuts框架中引入了特征空间邻域系统,增强了图像前景区域与背景区域内部像素点之间的关系,提高了分割目标的完整性.实验结果表明,所提方法有效提升了双目图像分割结果的精确度.     

基于SIFT特征和图割算法的图像分割方法研究

图割算法是图像分割方法中的一种高效的最优化计算方法,针对图像中目标物体的旋转尺度光照变化导致的分割不准确问题,提出了一种基于SIFT(Scale-Invariant Feature Transform)特征的图割(Graph Cuts)算法;该方法将SIFT特征的尺度旋转不变性和图割算法的准确快速性结合在一起,通过提取图像中物体SIFT特征点做为图割算法的种子点,求解最小能量函数快速从而获得该图像的最优分割;实验结果表明,该方法鲁棒性较好,能准确地分割出目标物体在图像中的轮廓。     

基于改进的压入与重标记算法的图割在GPU上的实现

Graph Cuts一直是应用于图像处理领域的一种重要方法。近些年特别在CUDA出现后,图像处理器逐渐成为能够编程的高层次多核心并行处理器。在GPU高性能计算平台上并行实现基于压入与重标记算法的Graph Cuts能够提高算法的运算性能,对于扩大Graph Cuts在图像处理领域的应用范围很有研究价值。首先将压入与重标记算法在GPU上进行并行化,通过CUDA的纹理内存技术来优化和改进并行化地压入与重标记算法的Graph Cuts。最后经实验证实,改进使算法性能得到有效提高。     

贝叶斯框架下的非参数估计Graph Cuts分割算法

假设图像中各像素灰度值是具有一定概率分布的随机变量,由贝叶斯定理,正确分割观测图像等价于求出具有最大后验概率的实际图像估计。在此框架下,提出了一种改进型Graph Cuts图像分割算法。与传统Graph Cuts分割算法相比,该算法在模型建立上有两个方面的改进：1)将模糊C均值聚类引入数据约束能量函数来得到各像素在某个标记下的概率,改善了收敛性能;2)使用非参数方法估计图像的统计分布,然后用此统计量构成图像分割的先验概率,并保证分割结果的局部平滑。由于非参数估计是由样本直接估计得到的结果,特别适用于小样本和分布函数不恒定的情况,因此拓展了算法的适用范围。实验结果表明,改进算法在遥感图像分割和医学图像分割中均提高了分割精度,证明了该算法的有效性。     

基于谱聚类与混合模型的SAR图像多尺度分割

针对谱聚类方法应用于合成孔径雷达（SAR）图像分割时Laplace矩阵的特征值和特征向量难以计算的问题,结合SAR图像在多个尺度的统计信息,给出了一个包含顶点凝聚、初始分割和分割细化3个步骤的SAR图像多尺度分割方法。首先,用一个顶点数不断减少的凝聚图序列来逼近从SAR图像得到的图;然后应用谱聚类方法对最粗尺度的凝聚图进行分割得到初始分割结果;最后根据SAR图像的统计性质,利用基于混合模型估计的分类后验概率将初始分割结果逐尺度进行细化得到SAR图像的最终分割。实验结果表明了方法的有效性。     

楚漆器内部不同尺度纵向裂痕视觉检测仿真

针对传统漆器内部裂痕检测方法没有获取图像轮廓尺度,导致方法存在检测准确度差、效率低的问题,提出一种楚漆器内部不同尺度纵向裂痕视觉检测方法.对二元高斯函数的梯度灰度图像实施卷积运算,利用迟滞阈值实现二值化操作,得到漆器图像轮廓尺度,对漆器图像采取映射变换处理,通过邻域平均法完成漆器图像的平滑滤波操作,采用灰度阈值分割处理...     

基于高斯超像素的快速Graph Cuts图像分割方法

提出了一种交互式的快速图像分割方法.该方法通过使用高斯超像素来构建Graph cuts模型以实现加速.首先,利用融合了边缘置信度的快速均值漂移算法,将原始图像高效地预分割为多个具有准确边界的同质区域,并将这些区域描述为超像素,用于构建精简的加权图.然后,使用区域的彩色高斯统计对超像素进行特征描述,并在信息论空间中对高斯...     

结合梯度和区域信息的多尺度水平集图像分割

提出了一种结合梯度和区域信息的多尺度水平集图像分割算法。该算法结合梯度和区域信息构造能量函数,在梯度约束项中,构建了一个基于小波高频分量的边缘检测函数,在区域约束项中,运用经典C-V模型的区域项,得到混合C-V模型,采用变分法求解,并消除了水平集的重初始化。利用小波变换首先在逼近图像中运用混合C-V模型得到粗分辨图像的一个粗尺度分割,再对当前粗尺度下的最终轮廓线作内插操作,将得到的近似轮廓曲线作为初始水平集函数在原图像中运用消除重初始化的C-V模型演化得到最终的分割。实验结果表明,在同样的模型参数条件下,该方法具有比传统方法更高的演化效率和分割质量。     

基于局部渐进图割的印刷电路板图像分割

针对图割算法对灰度不一致且结构复杂的印刷电路板(PCB)图像不能有效分割的情况,提出一种新的交互式局部渐进图割方法。通过分析用户交互过程中提供的信息生成局部约束能量项,并将其融入图割模型中,其中局部约束能量项依据用户添加的种子点的位置、类型以及与前一次分割结果的相对位置等信息自适应地生成。通过对多组锥束计算机断层成像(CBCT)系统采集的PCB图像进行分割实验,结果表明与经典的图割算法相比,所提方法能得到更准确的分割结果、更好的可控性及用户体验     

基于变宽邻域图割和活动轮廓的目标分割方法

基于图割的活动轮廓算法是一个结合图割优化工具和活动轮廓模型迭代变形思想的目标分割算法。针对算法在迭代过程中对已达目标边界的活动轮廓线所在邻域重复切割的不足,将活动轮廓线分为已达目标曲线段和未达目标曲线段,仅对未达目标曲线段进行膨胀得到可变宽度轮廓线邻域,从而减少了对邻域的切割时间。实验表明,改进算法效率提高为原来的2~3倍。     

Snake与多尺度分析的医学图像分割研究

为提高分割精度,提出Snake与多尺度分析相结合的医学图像分割方法。根据先验知识给定图像一个初始的粗略轮廓,然后对图像进行多尺度增强,在不同的尺度下应用Snake算法进行轮廓提取,相当于在曲线的收敛过程中进行了修正,从而使得轮廓在不同的尺度中逐渐优化,分离出精确的轮廓。实验结果表明,该方法是有效的,对医学图像分割的精度优于传统的Snake模型。     

Texture segmentation using independent-scale component-wise Riemannian-covariance Gaussian mixture model in KL measure based multi-scale nonlinear structure tensor space

This paper proposes a novel texture segmentation approach using independent-scale component-wise Riemannian-covariance Gaussian mixture model (ICRGMM) in Kullback-Leibler (KL) measure based multi-scale nonlinear structure tensor (MSNST) space. We use the independent-scale distribution and full-covariance structure to replace the covariant-scale distribution and 1D-variance structure used in our previous research. To construct the optimal full-covariance structure, we define the full-covariance on KL, Euclidean, log-Euclidean, and Riemannian gradient mappings, and compare their performances. The comparison experiments demonstrate that the Riemannian gradient mapping leads to its optimum properties over other choices when constructing the full-covariance. To estimate and update the statistical parameters more accurately, the component-wise expectation-maximization for mixtures (CEM²) algorithm is proposed instead of the originally used K-means algorithm. The superiority of the proposed ICRGMM has been demonstrated based on texture clustering and Graph Cuts based texture segmentation using a large number of synthesis texture images and real natural scene textured images, and further analyzed in terms of error ratio and modified F-measure, respectively.     

一种新的图像分割算法

在形态学梯度边缘检测算子的基础上,综合多尺度和多结构元算法的特性,提出了一种新的图像分割方法。利用桥梁的明显特征预测桥梁目标的位置,获得感兴趣区域,通过多阈值法简化原图;采用多尺度形态滤波和区域标记得到目标的初始轮廓,构造5个不同方向的结构元素,对这些结构元素运用多尺度形态学方法来检测目标边缘。实验结果表明本算法能够比较准确地完成图像分割。     

基于图像分层树的图像语义分割方法

针对传统语义分割模型缺乏空间结构信息,无法准确地描述对象轮廓的问题,提出了一种基于图像分层树的图像语义分割方法。分层树模型采用结构森林方法生成轮廓模型,为防止过度分割,运用超度量轮廓图算法得到多尺度轮廓图,然后利用支持向量机训练多尺度轮廓图生成图像分层树,通过随机森林精炼分层树,最终输出图像语义分割结果。在测试实验中,像素精确度达到82.1%,相比区域选择方法(Selecting Regions)提升了2.7%。并在较难区分的树和山脉的预测精确度上,相比层次标记方法(Stacked Labeling)分别提升了16%,25%,具有更高的稳定性。实验结果表明,在复杂的室外环境下,对图像语义分割的精确度、稳定性和速率均有明显改善。     

基于二进小波变换的多尺度图切割方法

针对传统多尺度图切割方法进行图像边缘轮廓提取时仅采用高斯低通滤波和一阶微分求导,而忽略轮廓精度的缺陷,提出利用二进小波变换的方法进行多尺度边缘检测。在建立多尺度相似矩阵的过程中,根据每层小波的特性直接对各个尺度的相似矩阵进行构造,有效地减少了求解相似矩阵的运算复杂度,降低了内存消耗。实验结果表明,该方法与传统多尺度图切割方法相比具有更好的分割效果。     

基于多尺度形态滤波的分水岭图像分割方法

采用多尺度形态滤波器对输入噪声图像及滤波后图像的梯度图像进行平滑，实现了消除噪声、简化图像、保持物体重要轮廓信息的作用．最后，给出一种改进的快速区域合并算法优化分割结果．实验证明，采用文中分割方法可以获得很好的分割结果。