基于图论的Normalized Cut图像分割方法研究

基于图论的图像分割是近年来国际上研究图像分割算法领域中一个新的热点研究方向,Normalized Cut（规一化分割）是基于图论的分割方法中比较典型的一种。本文介绍Normalized Cut方法的相关内容,分析它的优缺点并提出几种有效的改进方法。最后,实验显示Normalized Cut在特定图片的分割上取得了不错的效果。     

多分辨率下基于Normalized Cut的图像分割

提出了一种图像分割的新方法。该方法首先对低分辨率下的小图像使用Normalized Cut,快速地提取这幅小图像中高层视觉信息,然后将这一高层信息有效地还原回高分辨率下并进行平滑处理。实验中得到了很好的全局分割效果。该方法既充分利用了Normalized Cut的全局分割特性,又有效地克服了Normalized Cut的大运算量问题,提高了图像分割的速度。     

基于PCNN的改进Split-merge图像分割

为了更好地分割图像,对传统Split-merge算法作出改进:PCNN先进行分裂,用一种简化的Mumford-Shah模型进行合并,使得分裂阶段不仅无效分割减少,而且无方块效应,对边缘定位准确;合并阶段能够理想地将分裂后的区域合并为感兴趣的前景与不感兴趣的背景,误合并与欠合并大幅减小.对Papav, Monkey, Twoman图像的仿真表明,其分割结果和运行时间均优于AMS,MBMS算法.仿真结果证明,本文算法是一种适用于图像分割的有效算法.     

结合小波系数的Normalized Cut分割算法

为了提高normalized cut分割算法的准确率,结合小波系数调整图像的亲和矩阵。首先采用小波系数计算图像的边缘信息,然后使用边缘信息对原始图像构造一个图,求取图的拉普拉斯矩阵的前K个特征值,并对第二个特征值对应的特征向量进行分类,得到最终的分割结果。使用一些自然图像进行了验证,结果证明新方法能提取目标更为细致的细节,保留更多有用的信息。     

基于边缘检测与分裂合并的图像分割算法

针对传统分裂合并算法容易产生方块效应与过分割的缺点,提出了一种结合边缘检测和分裂合并的图像分割算法.该算法直接利用图像的边缘信息进行分裂,不断将图像分裂为一些不规则形状的一致性区域,然后根据一定规则将相似的区域合并.实验表明,该算法能大幅减少分裂次数,并有效克服方块效应和过分割等缺点,图像分割效果较好.     

改进Split-Merge分割用于蝗虫图像

为了更好地分割蝗虫图像,对传统Split-Merge算法做出改进：用PCNN来进行分裂,采用一种简化的Mumford-Shah模型进行合并。该方法的优点是：分裂阶段不仅无效分割数目减少,而且无方块效应,对边缘定位准确;合并阶段能够理想地将分裂后的区域合并为感兴趣的前景与不感兴趣的背景,误合并与欠合并大幅减小。实验对成虫与幼虫图像均进行分割。综合比较,该算法性能较优。     

利用三维自适应分裂-合并的MRI图像分割算法设计

为了在医学图像分割中,发现均匀几何三维区域的复杂形状,以提高分割准确率,提出一种基于3D几何特征分裂-合并(ASM)的脑部MRI图像分割算法;首先构建简单平行六面体的12种3D区域分割策略,体积分割技术将整个体积划分为许多大的均匀三维几何区;然后,在体积内定义更多小的均匀区域,以便在随后的合并步骤中有更大的生存概率;最后,进行多级区域合并,合并阶段只涉及复杂ASM树的叶子,考虑灰度相似性和共同边界区的大小,将小的区域合并为大邻近区;相比其他几种MRI图像分割算法,提出的方法在分割过程对噪声具有鲁棒性,提高了分割性能和准确率;另外提出的方法不需要训练数据集。     

基于改进分水岭变换的矿石图像分割算法

为了准确测量传送带上的矿石尺寸,提出了一种局部自适应阈值化和改进的分水岭变换相结合的矿石图像分割算法.该算法利用基于积分图像的自适应阈值化算法提取矿石区域;对二值图像做距离变换与双边滤波处理,并应用提出的基于区域合并的分水岭变换算法对图像进行分割;将提取的矿石区域与分割结果进行合并,得到最终的分割结果.对现场采集的复杂的矿石图像进行仿真实验,实验结果表明,该算法分割准确、速度快、光照自适应强.     

基于信息瓶颈算法的图像分割

图像分割是图像信息处理的内容之一。分割方法有很多,其中较为典型的是模糊C均值(FCM)算法,但它存在一些缺陷。该文提出一种基于信息瓶颈的图像分割方法,用凝聚的信息瓶颈算法对图像像素进行聚类。在分割过程中,使用贝叶斯信息准则确定图像区域的类别数。对一个包含500幅图像的图像库进行实验,结果表明该方法具有很好的分割效果。     

基于区域的烟尘图像分割方法

烟尘图像分割是图像分割方法的一个较新的应用方向。高效、准确的烟尘图像分割技术对于大气污染监控、森林火灾预警以及军事情报获取等方面都有重要的意义。将阈值分割、区域生长、区域分裂与合并等基于区域的方法用于烟尘图像分割,并对三种分割方法在烟尘图像分割中的性能表现进行了分析。研究结果对烟尘图像分割中算法的选型具有一定的参考价值。     

遗传算法优化归一化划分准则的图像分割

传统Normalized Cut准则的图像分割需求解广义特征方程,二值化分割效果不佳。为改善图像分割效果,将Normalized Cut准则作为优化函数,使用遗传算法进行优化,通过最优化染色体确定分割结果。实验表明该方法能获得较高精度的分割结果。     

基于Normalized cut的羽毛杆自动提取

针对羽毛杆进行有效分割问题,提出一种带纹理权重的归一化割(Ncut)方法完成羽毛杆提取。融合纹理信息的权重增强相似纹理边的相似度,减少了相近灰度区域干扰;并结合窄带单向膨胀方法完成初始轮廓的局部调整优化,消除了羽毛杆的边界泄漏。实验结果表明,所提方法可以用于羽毛杆的分割提取,为下一步的毛杆折痕检测奠定基础。     

基于GrabCut改进的图像分割算法

针对GrabCut算法对于局部噪声敏感、耗时且提取边缘不理想等缺点,提出一种基于GrabCut改进的图像分割新算法。采用多尺度分水岭对梯度图像平滑去噪;对新梯度图像再次进行分水岭运算,不仅增强了图像的边缘点,还减少了后续处理的计算量;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。实验结果表明,所提算法同传统算法的分割结果相比较,降低了错误率,增大了Kappa系数,提高了运行效率,并且,提取的边缘也更完整、平滑,适用于不同类型的图像分割。     

基于分水岭和区域合并的图像分割算法*

提出一种应用分水岭与区域合并相结合的图像分割算法.本方法首先利用数学形态学分水岭算法对图像进行分割,然后对分割后的图像进行相似区域合并,以减少分水岭方法产生的过分割现象,从而得到较好的分割效果.     

基于Morton码的图像分裂合并算法研究

分裂合并算法是一种基于区域的串行图像分割算法.在图像的分裂阶段,从图像区域的表示出发,引入Morton码,降低了算法的空间复杂度.同时在图像的相邻区域的合并阶段,提出了一种新的合并原则,增加了满足合并条件的相邻区域的匹配率,减少算法的迭代次数,提高了算法的执行效率.最后给出并分析了相关的实验数据,证明了算法的有效性.     

基于图像分割的立体匹配算法

基于马尔可夫随机场（MRF）的立体匹配算法利用MRF模型来对匹配取值进行连续性约束。然而,MRF模型是产生式模型,图像自身特征难以得到准确描述。提出了一种基于图像分割的立体匹配算法SGC。SGC算法预先对图像进行分割,基于图像分割信息建立立体匹配的MRF模型,从而连续性（平滑）约束可以保留视差图中分割的边缘信息;并针对图像的深度连续性约束,定义了一个反映图像自身特征的新能量函数,应用于图割算法,提高了视差计算精度。实验结果表明,与以往算法相比,SGC算法更准确地反映了图像中深度信息,避免了平滑约束所引入的误差,有效提高了视差计算精度。     

多模型鲁棒估计的运动分割

提出了一种基于多模型结构鲁棒估计的运动分割算法。首先对视频处理对象进行基于 四叉树的分裂合并,获取鲁棒估计的初始运动数目以及相应的运动模型的初始参数,然后通过参数估 计,不断更新模型参数,之后通过把每个运动区域和几个运动模型相关联,来同时估计多个运动的区 域,最后通过小物体的运动检测方法检测出小的运动物体,最终达到分割的目的。试验证明该算法取 得了比较明显的结果。     

一种改进的最小最大割算法

最小最大割算法(Mcut)能满足聚类算法的一般准则,但在实际求解过程中,通常把Mcut算法的目标函数松弛转换为标准分割算法(Ncut)的目标函数进行求解,而未充分使用Mcut的聚类性能。为此,利用子空间技术,提出一种改进的Mcut算法(SMcut),设计基于图像分块的SMcut算法(BSMcut),以提高SMcut算法的分割速度。实验结果表明,SMcut和BSMcut算法均具有较好的分割性能,且BSMcut算法的计算复杂度较低。