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。     

基于四叉树与图割的遥感图像分割方法

针对图割算法实时性差的问题,提出一种基于四叉树与图割的遥感图像分割方法。用四叉树分割方法将遥感图像分割成多个区域,根据区域的邻接性合并相似小区域,结合区域间的灰度和位置信息,利用Normalized Cut方法在区域间进行划分,完成图像的分割。实验结果证明该方法能有效消除四叉树方法的过分割现象。     

图像分割的自适应交互核图割模型

为了克服图割模型算法在实现图像分割时需要人为选定参数,以及图割模型可能会陷入局部最小值的不足,考虑到交互图割是一种灵活的全局最优算法,提出了基于EM方法的交互核图割算法。数据映射到核空间,构造了新的目标函数,这样可以更有效地解决分类分割问题;为了估计交互图割所需要的参数以及图割算法所需要的各种阈值,采用EM算法来估计这些参数,避免人为随机选取可能造成的不利影响,因而该方法是一种自适应的分割算法。实验结果表明,相对于交互图割算法,该算法分割合成图像时具有更低的误分率,处理光学等图像时,分割结果更准确,保留图像细节信息的能力更强。     

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     

基于图割和水平集的肾脏医学图像分割

肾脏医学图像分割是医学图像分析和非侵入式计算机辅助诊断系统中的关键步骤。从CT、MRI图像中分割出肾脏及肾皮质,计算其体积和皮质厚度等信息,有助于评估肾脏的功能,从而制定相应的治疗方案。根据肾脏序列图像相邻切片之间结构灰度分布的相似性,提出了一种基于图割和水平集方法的自动肾脏及肾皮质分割方法。选取皮质区域具有足够对比度和清晰度的切片为初始参考图像,使用霍夫森林算法检测肾脏区域,对前景、背景进行均值聚类以估计其灰度分布,获取图割模型能量函数,分割出肾脏整体;通过形态学处理得到相邻切片肾脏的分割候选区域,重复上述分割。以此初步分割结果作为水平集方法的初始轮廓,进一步分割得到三维的肾脏整体和肾皮质区域。实验结果表明,基于图割和水平集的肾脏分割方法能够比较准确地分割出肾脏及肾皮质。     

基于区域生长和蚁群聚类的图像分割*

提出了一种基于区域生长和蚁群聚类的图像分割方法——BRGAC。该方法首先用区域生长法对图像作初始分割,然后利用蚁群算法搜索最优解的能力,在区域之间进行聚类合并,获得最终的分割结果。BRGAC算法不但克服了区域生长得不到有意义区域的不足,而且还大大提高了蚁群聚类算法的搜索时间,并利用初始分割后的空间信息和灰度信息定义了一种新的引导函数,可更准确有效引导蚁群聚类。实验结果表明,该方法可以准确地分割出目标,是一种有效的图像分割方法。     

基于脉冲耦合神经网络的图像分割

针对传统脉冲耦合神经网络(PCNN)模型在图像分割时需要设置较多参数和不能准确分割低对比度图像的问题,提出一种简化的PCNN模型和改进算法。在简化模型中减少了在传统PCNN模型中需要设置的参数的数量;在改进算法中根据图像像素空间和灰度特征自适应设置模型参数,并根据图像灰度直方图求出灰度期望均值作为图像分割阈值,因此该算法无需选择 循环迭代次数,只需一次点火过程就能实现图像的有效分割。实验结果表明,该方法能准确分割图像,纹理细节清晰,分割结果优于人工调整参数的PCNN方法和Otsu方法。     

快速自适应分片常数CV模型

Chan-Vese模型以其能较好地处理图像的模糊边界和复杂拓扑结构而广泛运用于图像分割中。但针对含灰度不均匀性和复杂背景的图像分割效果较差。提出一种基于图割方法的自适应分片常数式的CV模型。首先通过计算距离函数和邻域相似度修正CV模型的拟合项及长度项;然后根据像素点和拟合中心的相似度控制划分拟合中心所在的区域,以备准确估计拟合中心;最后利用图割算法最小化能量函数并得到新的拟合中心以进行下一轮最小化,从而得到更准确且高效的分割结果。     

基于图割的JPEG图像快速分割算法

基于图割理论的GrabCut算法由于使用所有像素来迭代估计高斯混合模型(GMM)参数,算法效率较低。针对该问题,提出一种基于图割的JPEG图像快速分割算法。以GrabCut算法为基础,对JPEG图像中DC系数构成的低频图像进行迭代分割,估计GMM参数以减少训练样本的数目。实验结果表明,该算法能在保证分割精度的前提下缩短高分辨率JPEG图像的分割时间。     

一种改进的变分水平集的图像分割算法

为了解决灰度不均匀现象对医学图像的干扰问题,提出了基于局部极性信息的活 动轮廓模型。通过引入局部图像信息,该模型能有效地分割灰度不均匀图像。在规则化项中增 加的能量惩罚项,使得水平集函数在演化过程中保持为近似的符号距离函数。该算法将图像分 割问题归结为曲线能量泛函的最小化,首先建立包含局部灰度信息（极性信息）和改进的符号 距离函数的曲线演化能量泛函;然后采用变分水平集方法求解能量函数的最小值,得到最终的 分割结果。真实医学图像和人工合成图像的实验结果表明,此方法对灰度不均匀的医学图像有 较高的分割精确度,在图像分割速度上有较大提高。由于利用了局部灰度信息,可以有效地分 割灰度不均匀的医学图像,而改进后的变分水平集可以完全避免重新初始化,使得图像分割效 率大大提高了。     

基于KNN图的空间离群点挖掘算法

空间数据集中离群数据与正常数据之间的非空间属性值相差较大。针对该情况,提出一种基于K-最邻近(KNN)图的空间离群点挖掘算法。该算法通过所有对象的K近邻关系构造KNN图,将相邻对象非空间属性值的差作为2个对象点间的边权值,利用裁边策略去掉权值较高的边,从而识别出空间离群点和离群区域。实验结果表明,该算法的时间性能优于POD算法。     

改进的谱聚类图像分割方法

图像分割作为图像识别的一个重要处理步骤,但存在效果不理想或者计算复杂度过高的问题。提出一种新的灰度图像二值化的方法。该方法将Ncut作为谱聚类的量度,在计算该值时使用基于图像灰度级的权重矩阵,而非普通基于图像像素的权重矩阵。这样,计算复杂度和空间复杂度都明显降低。通过对实际场景中文本图像的实验,数据表明此方法在时间和系统开销方面比传统基于阈值的分割方法具有更优的性能。     

Image segmentation by iterated region merging with localized graph cuts

This paper presents an iterated region merging-based graph cuts algorithm which is a novel extension of the standard graph cuts algorithm. Graph cuts addresses segmentation in an optimization framework and finds a globally optimal solution to a wide class of energy functions. However, the extraction of objects in a complex background often requires a lot of user interaction. The proposed algorithm starts from the user labeled sub-graph and works iteratively to label the surrounding un-segmented regions. In each iteration, only the local neighboring regions to the labeled regions are involved in the optimization so that much interference from the far unknown regions can be significantly reduced. Meanwhile, the data models of the object and background are updated iteratively based on high confident labeled regions. The sub-graph requires less user guidance for segmentation and thus better results can be obtained under the same amount of user interaction. Experiments on benchmark datasets validated that our method yields much better segmentation results than the standard graph cuts and the Grabcut methods in either qualitative or quantitative evaluation.     

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.     

Image segmentation by iterative optimization of multiphase multiple piecewise constant model and Four-Color relabeling

In the paper an iteratively unsupervised image segmentation algorithm is developed, which is based on our proposed multiphase multiple piecewise constant (MMPC) model and its graph cuts optimization. The MMPC model use multiple constants to model each phase instead of one single constant used in Chan and Vese (CV) model and cartoon limit so that heterogeneous image object segmentation can be effectively dealt with. We show that the multiphase optimization problem based on our proposed model can be approximately solved by graph cuts methods. Four-Color theorem is used to relabel the regions of image after every iteration, which makes it possible to represent and segment an arbitrary number of regions in image with only four phases. Therefore, the computational cost and memory usage are greatly reduced. The comparison with some typical unsupervised image segmentation methods using a large number of images from the Berkeley Segmentation Dataset demonstrates the proposed algorithm can effectively segment natural images with a good performance and acceptable computational time.     

Shape from shading using graph cuts

In this paper, we investigate the applicability of graph cuts to the SFS (shape-from-shading) problem. We propose a new semi-global method for SFS using graph cuts. The new algorithm combines the local method proposed by Lee and Rosenfeld [C.H. Lee, A. Rosenfeld, Improved methods of estimating shape from shading using the light source coordinate system, Artif. Intell. 26 (1985) 125-143] and a global method using an energy minimization technique. By employing a new global energy minimization formulation, the convex/concave ambiguity problem of Lee and Rosenfeld's method can be resolved efficiently. A new combinatorial optimization technique, the graph cuts method, is used for the minimization of the proposed energy functional. Experimental results on a variety of synthetic and real-world images show that the proposed algorithm reconstructs the 3-D shape of objects very efficiently.     

基于形状先验和图割的彩色图像分割

基于图割理论的图像分割方法在二值标号问题中可以获取全局最优解,而在多标号问题中可以获取带有很强特征的局部最优解。但对于含有噪声或遮挡物等复杂的图像,分割结果不完整,效果并不令人满意,提出了一种基于形状先验和图割的图像分割方法。以图割算法为基础,加入形状先验知识,使该算法包含更多约束信息,从而限制感兴趣区域的搜寻空间,能够更好地分割出完整的目标,增加了算法的精确度。针对形状的仿射变换,运用特征匹配算法进行处理,使算法更加具有灵活性,能够应对不同类型的情况。实验表明了该算法的有效性。     

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。     

基于Apriori图挖掘算法的优化及其在3D构造解析的应用

基于Apriori的图挖掘(Apriori-based Graph Mining,AGM)算法结构简单,以递归统计为基础,但在面临庞大图数据集时,由于存在子图同构问题,在生成候选子图时容易产生很多冗余子图,增大了计算时间的开销。因此在AGM算法基础上提出一种改进方法,通过增加约束来减少候选子图生成数量,同时引入三次元坐标对图的顶点间的距离进行计算,并归结到边的标识当中,以处理三维图结构数据。通过改进算法对化学化合物进行分析,描述其三维化学结构以及生理活性上的相互关系,并测试了不同条件下改进方法的时间开销,实验结果表明在边标识数较多的情况下改进算法比原算法缩短了计算时间,提高了效率。     

基于改进ISOMAP的飞机识别算法

将流形学习方法应用于飞机图像识别中,提出一种基于改进等距映射(ISOMAP)的飞机识别算法.根据飞机图像数据的高维性质,采用改进的ISOMAP对数据进行降维,在构造近邻图的过程中,利用Procrustes距离取代传统的欧氏距离.仿真实验结果证明,该算法的的识别率较高.