一种结合图割与双水平集的图像分割方法

针对水平集方法在图像分割中需要多次迭代,且计算量大的问题,提出一种基于图割与双水平集的图像分割方法。首先在目标边界内外部各设置一条初始轮廓线和一个阈值,通过双水平集方法对轮廓线进行演化。当轮廓线的能量变化率小于给定阈值时,终止水平集演化。将得到的两条轮廓线化为源点和汇点,通过图割方法得到最终目标边界。该方法有效减少了水平集迭代次数,提高了分割效率,而且给出了一种终止水平集迭代的方式。实验表明该方法具有较好的分割效果和较高的分割效率。     

一种基于图割与GVF Snake的凹型目标快速提取算法

将图割理论与GVF Snake模型有机结合,提出了一种凹型目标的快速提取算法。首先用图割算法对初始轮廓线迭代变形,使其在快速提取非凹型段目标边界的同时将轮廓线有效地置于梯度矢量流力场的“有效逼近域”内,然后用GVF Snake算法继续对轮廓线迭代变形,提取凹型段目标边界。实验表明,该算法能快速、准确提取凹型目标。     

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。     

基于梯度矢量流Snake模型与图割的目标边界提取

针对梯度矢量流Snake模型因力场迭代次数过大造成运行时间长的不足,结合梯度矢量流Snake模型和图割理论提出了一种新的目标边界提取方法。该方法利用图割理论先对初始轮廓进行迭代寻优,使获得的轮廓线处在目标边界的“有效逼近域”内,然后将得到的轮廓线作为Snake的初始轮廓,最后利用梯度矢量流Snake模型准确提取目标边界。实验结果表明,该方法能够快速、准确地逼近到目标边界,并具有较强的抗噪性。     

基于图割的图像分割综述

从图割的特性与图像的对应性以及图割的能量最小化方面,综述了图割的基本理论框架及基于图割进行图像分割的基本框架;介绍了图割的研究现状及应用领域;指出了基于图割的解题步骤及能量函数的构造方法,从图割存在的问题和研究前景出发,展望了图割未来的研究方向.     

基于人机交互式图割的目标快速提取

根据RGB颜色值表征像素距离,运用图割理论,提出一种人机交互式的目标快速提取方法。在目标外围人工划出封闭折线作为初始活动轮廓线,向内生成单侧变宽域,消除前后重叠,避免重复切割,构造能量函数,生成s-t网络,通过对s-t网络的最小代价切割实现目标提取。后期对局部错误提供方便快捷、安全导向、手自结合的纠错措施。实验表明,所提算法人机交互方便快捷,纠错方式有效完备,目标提取快速准确。     

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。     

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。     

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。     

物体轮廓形状超像素图割快速提取方法?

提出一种水平集框架下物体轮廓形状超像素图割快速提取方法。该方法首先均匀化放置种子点,通过对超像素化演化力的设定,生成具有区域相似特征的超像素,这些超像素对原图像的划分既能保持目标轮廓形状的几何特性,又可避免超像素间的互相重叠。然后构建超像素标号和Heaviside函数的关联关系,应用图割建立M-S能量函数的优化模型。最终利用超像素图割提取目标轮廓的几何形状。实验表明,超像素化的图像像素数目大幅度减少,转化后的优化模型符合图割对能量函数进行优化的要求,图割中最小割/最大流方法避开微分方程的求解,这些措施在保证轮廓形状提取效果的基础上提高提取效率。     

基于图割与改进水平集的目标提取方法

在Li模型的基础上引入C-V模型外部能量项重新构造能量函数,给出一种结合区域与边缘信息的变分水平集模型,结合基于图割理论的GCBAC算法,提出一种图割与改进变分水平集结合的目标提取方法。该方法能够让2种模型有机结合达到优势互补的效果。实验结果表明,该方法具有快速、鲁棒、抗噪性强等优点。     

图割与非线性统计形状先验的图像分割

提出一种图割与非线性统计形状先验的图像分割方法。首先,在输入空间对输入的形状模板进行配准,得到训练集;其次,采用非线性核函数将目标形状先验映射到特征空间进行主成分分析,获取其投影形状,将此投影形状映射回原输入空间得到目标的平均形状,构成新的能量函数;第三,通过自适应调整形状先验项的权值系数,使能量函数的形状先验项自适应于被分割的图像;最后,用Graph Cuts方法最小化能量函数完成图像分割。实验结果表明,该方法不仅能准确分割与形状先验模板有差别的图像,而且对目标有遮挡或污染的图像也有较好的分割效果,提高了分割效率。     

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.     

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.     

Detecting changes of the Yellow River Estuary via SAR images based on a local fit-search model and kernel-induced graph cuts

The Yellow River Estuary area of China is under great pressure from both human intervention and natural processes. For analysis of the changes in this area, this article presents a novel change-detection method based on a local fit-search model and kernel-induced graph cuts in multitemporal synthetic aperture radar images. Change detection involves assigning a label to every pixel. This task is naturally formulated in terms of energy minimization, which can be effectively solved by graph cuts. The difference image is transformed implicitly by a kernel function so that an alternative to complex modelling of the original data makes the piecewise constant model become applicable for graph cuts formulation. An issue is that graph cuts are sensitive to the initial estimate. The local fit-search model is proposed to approximate to the local histogram while selecting an optimal threshold for the initial labelling, which leads to an effective constraint for graph cuts and computational benefits as well. Visual and quantitative analyses obtained on the Yellow River Estuary data set confirm the effectiveness of the proposed method and that it outperforms the other state-of-the-art methods of change detection.     

基于图割理论的尺度自适应人脸跟踪算法

针对连续自适应的Mean-Shift（Camshift）算法跟踪人脸时尺度过度放缩这一问题,提出了一种基于图割的Camshift人脸跟踪算法。首先,在每一帧图像的Camshift迭代结果内建立图割区域,使用高斯肤色模型作为图割权值分割出图割区域内肤色团块;然后,计算该肤色团大小得到目标真实尺度,并比较与上一帧图像跟踪框内肤色团的尺度来判断是否需要重新跟踪目标;最后,再以该团块作为下一帧跟踪目标。实验结果表明,基于图割的Camshift人脸跟踪算法有效地克服了跟踪时其他肤色区域的干扰,能有效地反映人体快速运动中人脸真实尺度变化,同时防止Camshift算法丢失跟踪目标而陷入局部最优解,具有较好的可用性和鲁棒性。     

基于图切割的图像自动分割方法

针对图切割在图像分割中的研究主要集中于交互式图像分割,提出一种基于图切割,对彩色图像和灰度图像均可进行自动分割的方法。通过对图像进行初始化,建立能量函数的数据项、光滑项,图切割求解及迭代执行等步骤自动实现图像的分割,既无需用户人工交互进行约束,也无需对图像建模及对数据分布进行估计,可以较快速度获得良好的分割结果。通过实验对彩色图像和灰度图像进行自动分割,实验结果验证该方法的有效性。     

结合模糊C均值聚类与图割的图像分割方法

本文针对模糊C均值聚类没有考虑像素空间信息的不足,提出一种结合模糊C均值聚类与图割的图像分割方法。本文以图割理论为基础,考虑到像素的空间信息,建立一个关于标号的全局能量函数,以FCM聚类中心为终端建立多终端网络图,该网络通过 扩展移动算法求解全局最小或近似最小能量函数所对应的标号函数 ,在各类间重新划分所有像素点,实现目标正确分割。实验表明,本文方法在分割精度、性能、抗噪性等方面均有较大改进。