基于图割的图像分割方法及其新进展

鉴于图割的理论意义和实际应用价值,系统综述了基于图割的图像分割方法. 首先,深入分析了基于图割的图像分割方法的基本原理,主要从定性和定量角度剖析了图割与能量函数最小化之间的关系, 然后,概括了基于图割的图像分割方法的基本步骤,包括能量函数的设计、图的构造和最小割/最大流方法, 其次,系统梳理和评述了基于图割的图像分割方法的国内外研究现状,最后,指出了基于图割的图像分割方法的发展方向.     

基于马尔可夫随机场的图像分割方法综述

系统地综述了基于MRF的图像分割方法。介绍了基于MRF模型的图像分割理论框架, 给出了当前MRF图像建模研究的热点问题。概括了基于MRF模型的图像分割算法, 包括图割算法、归一化割算法、置信度传播算法等, 指出了这些算法的发展方向。     

结合非局部信息与图割的图像分割算法

基于图割的交互式图像分割方法从图像背景中分离出前景目标,在图像处理和计算机视觉领域引起了广泛的关注.为了进一步提高分割精度,提出一种结合图像非局部信息和图割的交互式图像分割算法.在建模图像非局部信息时为每个像素点设置一个固定大小的搜索窗口,每个像素点只需考虑与搜索窗口内像素之间的关系;计算非局部像素对之间相似性时采用图像片替代像素,通过图像片之间的相似性替代像素之间的相似性,以表征图像的非局部信息;将图像非局部信息引入到图割框架中,在传统能量函数的边界项将图像的局部信息与非局部信息合并,组成结合局部非局部信息的新的能量项;构图时新添加一组边集?非局部边集来表示图像的非局部信息,再通过最大流/最小割算法求解得到最终的分割结果.最后通过实验验证了该算法的有效性和可行性.     

SAR图像分割的改进参数核图割方法

针对合成孔径雷达(SAR)图像的分割问题,提出一种改进的参数核图割方法。对参数核图割方法中的能量函数进行改进,在核空间中考虑分段常数模型,并实现目标函数的空间核化。SAR图像的分割通过能量函数的最小化实现,由不动点迭代估计区域参数,并由图割模型逐步最小化能量函数实现SAR图像的分割。为验证改进参数核图割方法的分割效果,对自然图像进行分割,结果表明,其分割精度达到83%,比参数核图割方法提高了11%。真实SAR图像的分割结果验证了该方法对SAR图像的分割结果优于参数核图割方法。     

基于图割的矩形目标交互式分割方法

为得到更加精确的图像分割结果,可以在基于图割的分割框架中引入形状先验指导分割。针对矩形目标提出了一种目标/背景交互式分割方法。分割能量用马尔可夫随机场最大后验概率描述,通过限制有向图中的流向引入形状先验,可以保证图割优化后的分割结果为矩形形状。对仿真图像与真实图像的实验结果证明了该算法的有效性。     

基于自适应权值的图割立体匹配算法

针对传统自适应权重存在计算复杂度高和传统图割匹配精度低的问题,提出一种改进的基于自适应权值和图割的立体匹配算法。首先根据灰度相似性和空间相近性重新定义能量函数的数据项,利用图像的梯度信息作为能量函数的平滑项;然后运用图割理论和 α 扩展算法进行模型求解;最后对视差图运用左右一致性检验和加权中值滤波进行视差精化。算法采用了Middlebury 网站提供的四幅国际标准立体图像对进行测试,实验表明所提算法能够得到较准确的视差图。     

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。     

图割方法综述

介绍了近年来图像分割方法及图割的研究进展。首先将现有的多种类型图像分割方法归结为五类典型方法,并分析各自的特性;接着详细介绍图割的概念和图割的三种分割方法,每种方法的应用现状和特性;最后指出了图割的一些研究方向。     

一种改进的基于图割的立体匹配算法

为了提高立体匹配算法的精确度,提出了一种结合图割与Mean Shift图像分割的立体匹配算法。首先用Mean Shift算法对参考图像进行图像分割,得到分割后的标记图,然后将分割信息结合到图割算法的能量函数中,最后用改进的能量函数和图割算法得出致密的视差图。实验结果表明,提出的算法具有更高的精确度和更好的边缘特征。     

基于图割的MRI脑部图像肿瘤提取方法

针对当前医学图像特征提取仅从局部特征出发的问题,提出一种基于图割的脑部肿瘤提取方法。为克服图割仅适用于较少像素的图像和倾向于小割集的缺陷,对图像进行聚类以提高特征提取的准确度和速度,并构建聚类图的Gomory-Hu割树。按照割值的大小,依次去掉值较小的边提取出聚类图的子图,映射到原图像得到对应的子图像。将该方法应用到MRI脑部图像肿瘤提取中,实验结果表明,其能准确提取出MRI脑部图像中的肿瘤。     

一种基于图的交互式目标分割算法

静态图片的编辑中,交互式背景、前景分割的高效性研究有着重大的实际意义。传统的分割方法或是应用图片的纹理(色彩)信息,如Magic Wand,或是利用边界(对比度)信息,如Intelligent Scissors。最近提出的Graph cuts分割算法很好地结合了以上的两种信息。该文将介绍Graph cuts算法以及在该算法基础上改进得到的Grab cut算法。Grab cut算法堪称目前交互式分割方法中分割效果较好的方法,其分割精度高,交互工作少,具有较好的应用前景。文章结合作者当前的研究课题,把Grab cut算法应用在医学图像器官分割中得到了令人满意的效果。     

基于图割的单幅图像影子检测

为了准确检测单幅图像中的影子, 提出一种基于图割的影子检测方法. 首先,使用均值漂移将原始图像分割为若干区域并记录区域之间的边界. 其次,利用支持向量机分类器分别获得分割图像中的候选影子边界和候选影子非影子区域对. 然后,利用候选影子边界两侧的区域信息及候选影子非影子区域对信息构造一个能量函数, 该能量函数反映了将图像中一部分区域划分为影子区域而另一部分区域划分为非影子区域时所需的代价. 再次,结合该能量函数构造出无向图,并证明所构造的无向图的最小割对应能量函数的最小值. 最后,通过图割算法求解该能量函数得到最终的影子检测结果. 实验结果表明,与现有代表最新进展的单幅图像影子检测方法相比,所提方法提高了影子检测结果的准确性和连续性.     

What energy functions can be minimized via graph cuts?

In the last few years, several new algorithms based on graph cuts have been developed to solve energy minimization problems in computer vision. Each of these techniques constructs a graph such that the minimum cut on the graph also minimizes the energy. Yet, because these graph constructions are complex and highly specific to a particular energy function, graph cuts have seen limited application to date. In this paper, we give a characterization of the energy functions that can be minimized by graph cuts. Our results are restricted to functions of binary variables. However, our work generalizes many previous constructions and is easily applicable to vision problems that involve large numbers of labels, such as stereo, motion, image restoration, and scene reconstruction. We give a precise characterization of what energy functions can be minimized using graph cuts, among the energy functions that can be written as a sum of terms containing three or fewer binary variables. We also provide a general-purpose construction to minimize such an energy function. Finally, we give a necessary condition for any energy function of binary variables to be minimized by graph cuts. Researchers who are considering the use of graph cuts to optimize a particular energy function can use our results to determine if this is possible and then follow our construction to create the appropriate graph. A software implementation is freely available.     

Optimal seamline detection in dynamic scenes via graph cuts for image mosaicking

In this paper, we present a novel method for creating a seamless mosaic from a set of geometrically aligned images captured from the scene with dynamic objects at different times. The artifacts caused by dynamic objects and geometric misalignments can be effectively concealed in our proposed seamline detection algorithm. In addition, we simultaneously compensate the image regions of dynamic objects based on the optimal seamline detection in the graph cuts energy minimization framework and create the mosaic with a relatively clean background. To ensure the high quality of the optimal seamline, the energy functions adopted in graph cuts combine the pixel-level similarities of image characteristics, including intensity and gradient, and the texture complexity. To successfully compensate the image regions covered by dynamic objects for creating a mosaic with a relatively clean background, we initially detect them in overlap regions between images based on pixel-level and region-level similarities, then refine them based on segments, and determine their image source in probability based on contour matching. We finally integrate all of these into the energy minimization framework to detect optimal seamlines. Experimental results on different dynamic scenes demonstrate that our proposed method is capable of generating high-quality mosaics with relatively clean backgrounds based on the detected optimal seamlines.     

基于两段多组件图割的非监督彩色图像分割算法

提出基于两段多组件图割的彩色图像分割算法,以解决因标签过多和噪声导致的过分割和图割算法低效等问题.多组件图割算法分割图像时,把标签相同的区域处理为该标签的多个组件,结合两层高斯金字塔形成两段多组件图割,以减少分割错误和标签数量,提高分割的性能.算法首先提取基于多尺度四元数Gabor滤波的texton纹理特征,并自适应融合颜色特征;然后使用两段多组件图割获取图像的优化分割,其中,为了引导图割优化的方向,在平滑项中引入彩色梯度信息;最后去除分割结果中的弱边界,获得最终的分割结果.实验结果表明,相对于比较算法,新算法的分割性能有明显提升.     

Graph cuts via l1 norm minimization

Graph cuts have become an increasingly important tool for solving a number of energy minimization problems in computer vision and other fields. In this paper, the graph cut problem is reformulated as an unconstrained $\ell_1$ norm minimization which can be solved effectively using interior point methods. This reformulation exposes connections between the graph cuts and other related continuous optimization problems. Eventually the problem is reduced to solving a sequence of sparse linear systems involving the Laplacian of the underlying graph. The proposed procedure exploits the structure of these linear systems in a manner that is easily amenable to parallel implementations. Experimental results obtained by applying the procedure to graphs derived from image processing problems are provided.