基于加权割的图像分割

提出了一个新的图分割模型——加权割模型,设计了一个基于加权割的图像分割算法(Image segment-ation Algorithm Based on Weighted Cut,简记为ISAWC).加权割模型的特点是:(1)整合了图像的局部和整体分割信息;(2)在加权意义下最小化加权割能同时达到类间最大相异性和类内最大一致性.本文证明可通过求解一个特征向量问题来优化加权割.模拟点集和实际图像上的实验验证了ISAWC的有效性.     

基于图割框架的改进多层图彩色图像分割方法

彩色图像中所含有的颜色信息和纹理信息量很大且非常复杂,伴随着多个目标区域的出现,当前图像分割法很难整合纹理特征与颜色特征,图像分割效果不佳,因此,提出一种基于图割框架的改进多层图彩色图像分割方法,将多层图彩色图像分割问题看作是计算机视觉中的二元标识问题,转换成能量函数最小化问题,给出多标签MRF马尔科夫随机场能量函数,将颜色信息与纹理信息进行融合,通过建立多层图割模型对多类彩色图像能量函数的最小化问题进行求解。为了得到多类分割结果,采用一种自适应迭代收敛准则进行修改,在图割框架下进行多次迭代分割。实验结果表明,所提方法不仅分割效果良好,而且性能优越。     

基于Tao 立体匹配框架的全局优化算法

传统的基于全局优化的立体匹配算法计算复杂度较高,在遮挡和视差不连续区域具有较差的匹配精度。提出了基于Tao 立体匹配框架的全局优化算法。首先采用高效的局部算法获取初始匹配视差;然后对得到的视差值进行可信度检测,利用可信像素点和视差平面假设使用具有鲁棒性的低复杂度算法修正不可信任像素视差值;最后改进置信度传播算法,使其能够自适应地停止收敛节点的消息传播,并对经修正的初始匹配进行优化,提高弱纹理区域匹配准确度。实验结果表明,文中算法有效地降低整体误匹配率,改善了视差不连续及遮挡区域的匹配精度;同时,降低了算法整体复杂度,兼顾了速度,具有一定的实用性。     

基于图割优化的Markov随机场图像分割方法综述

Markov随机场能有效地刻画图像像素间的关系,具有完善的理论基础,因而在图像分割等领域得到研究者的关注.图割作为一种基于图论的组合优化方法,已经较好地用在基于MRF的图像分割等计算机视觉方面.简要介绍了Markov随机场模型和图割优化方法,给出了基于图割优化的Markov随机场图像分割框架,分析了Markov随机场方法和图割优化在图像分割中的研究现状,并指出其将来的发展方向.     

基于级联Dense-UNet和图割的肝脏肿瘤自动分割

腹部CT图像肝脏肿瘤分割是进行肝脏疾病诊断、手术规划和放射治疗的重要前提。针对肝脏肿瘤灰度异质、纹理丰富、边界模糊等因素引起的分割困难,该文提出基于级联Dense-Unet和图割的自动精确鲁棒分割方法。首先运用级联的Dense-UNet获取肝脏肿瘤初始分割结果及感兴趣区域,然后利用图像像素级和区域级特征,分别构建可有效区分肿瘤与非肿瘤的灰度模型和概率模型,并将其融入图割能量函数,进一步精确分割感兴趣区域中的肿瘤组织。最后分别采用LiTS和3Dircadb公共数据库作为训练集与测试集进行实验,并与现有多种自动分割方法进行了比较。结果表明,提出方法可有效分割CT图像中灰度、形状、大小、位置各异的肝脏肿瘤,能提取更精确的肿瘤边界,尤其对于对比度低、边界模糊的肿瘤具有明显优势。     

一种基于图割的交互式图像分割方法

交互式的图像分割方法目前已经受到越来越多的重视。该文提出一种新的基于图割(graph cuts)的交互式图像分割方法。该方法将图像的纹理、色彩、边缘等多种特征通过一个概率模型结合在一起。其中纹理和色彩用以Texton为基的直方图来建模,并用Fisher判别准则来对特征空间进行降维。利用图割方法,可以快速求解该模型下的最优分割。在遥感图像分割等问题中的应用结果表明该方法在速度和精确性方面都有很好的表现。     

基于图割的交互式彩色图像目标提取方法

根据图像边缘基本性质,运用图割理论,把目标 提取问题转化为网络最大流-最小割问题,提出一种人机交互的彩色图像目标提取方法。根 据目标形状及大小,调节触笔笔尖粗 细,在目标区域内较为随意地划一道或若干道连通的粗线,以该粗线边界作为初始活动轮廓 线,在张力作用下向外侧膨胀生成环状域,对其构造s-t网络, 进行最小代价切割获得新的 活动轮廓线。由此经过若干次变形迭代,活动轮廓线最终收敛于目标边界。当因目标边界模 糊不清等原因导致提取结果局部出现错误时,算法提供方便快捷、安全导向、手自结合的纠 错方法。实验表明:当目标边界呈现较为清晰时,本文算法以人能够接受的毫秒级时间实时 快速作出响应,目标提取结果正确率在95%左右。当提取结果出现局 部错误时,算法通过人机结合与交互,对错误进行有效纠正。     

结合形状先验的图割目标分割方法

为了减少图像目标分割过程中噪声、阴影、背景复杂等因素的影响,将形状先验引入图割图像分割框架中,提出一种结合形状先验的图割目标分割方法。该方法给出了形状先验的定义,并将其转化为势函数的形式加入到能量函数中,通过能量最小化过程得到最终分割结果。同时,图像对齐过程能够适应形状模版与待分割目标之间的仿射不同。形状先验能够较好地约束目标边界,相比与传统图割算法,分割结果有了明显改善。实验结果表明,该算法具有有效性。     

基于视差和帧差的图割优化运动目标分割算法

提出一种基于视差和帧差的图割优化运动目标分割算法,在运动目标分割过程中,利用能量函数优化方法得到较为准确的区域视差,同时在此基础上将视差和帧差特征采用图割算法的能量函数进行融合,以此提高前景目标分割的准确性。实验结果表明该方法当区域视差的优化受到灰度因素的影响时,利用图割结合视差和帧差特征能够有效地减少视差优化不够准确的区域被检测为前景目标的可能性,同时也能填补大多数帧差分割的空洞,增强了分割结果的稳定性。     

一种改进的图割目标分割算法

为了减少图像目标在分割过程中受到噪声、复杂背景等因素的影响,将图像的多特征信息引入到图割算法中,提出了一种结合图像的多特征信息图割目标分割方法。该方法先选取像素点的多种图像特征组成特征向量,并对已做好标记的目标和背景种子点的特征向量分别进行FCM聚类,然后分别计算各像素点与这两类种子点的各聚类中心的最短欧式距离,并据此信息完成对能量函数的构造,最终运用最大流/最小割的方法得到图像分割的结果。其与传统图割算法相比,分割结果有了明显改善。实验结果表明,该算法具有有效性。     

基于图割的图像匹配算法

用标号表示视差,建立能量函数,把匹配问题转化为能量函数最小化问题;通过构造网络,使能量与网络的割的容量相联系;利用图的网络流理论给出能量函数的最小化,从而获得图像匹配的视差数据.与目前已有基于图割的匹配算法相比,本算法将标号从1维向量推广到2维向量,适用于更一般情形下的视觉匹配,并且在全局上获得能量函数最小.实验结果表明,所提的匹配算法准确率较高.     

一种基于图像分割的动态规划立体匹配算法

本文提出了一种基于图像分割的动态规划立体匹配算法。此算法首先利用MeanShift图像分割算法对左右图像对进行分割处理,从而得到分割域的深度范围约束;然后结合窗口匹配及可信度约束得到地面控制点;综合地面控制点和其所属分割域的深度一致性关系可以有效剔除部分不可信点;以地面控制点和分割域作为约束信息,对动态规划的数据能量项和遮挡能量项加入分割域关系约束,利用动态规划算法得到最终视差图。实验结果表明,该算法可得到较好的视差结果。     

一种改进的基于BP的立体匹配算法

作为立体视觉关键技术之一的立体匹配,一直都是视觉领域研究的热点和难点。本文提出了一种基于分割区域的BP立体匹配算法。首先对于输入图像对进行mean-shift分割,对于初始视差图,利用交叉检测,将分割区域分为可靠和非可靠区域。基于此区域信息,利用BP算法对初始视差进行优化。实验结果表明,采用本文改进的BP算法,可以获得精确度更高的视差图。     

一种基于多方向约束的立体匹配算法

针对传统DP算法精度不高,出现条纹瑕疵以及边界区域明显误匹配等问题,提出了一种新的立体匹配算法.该算法采用水平、垂直及物体边界多方向约束作为平滑性约束,物体边界方向约束针对物体边界像素点,以前一行边界点的视差信息对当前边界点进行约束,强化物体边界像素点的视差不连续性,提升了边界区域像素点匹配准确率,大大减少了边界误匹配现象.由于物体表面的纹理信息会影响物体边界方向约束的准确性,对物体的边缘提取方法进行了处理,使提取的物体边缘只保留物体边界轮廓信息.最后在三状态DP的状态转换选择上,应用边界轮廓信息及多方向约束,避免了三状态状态转换与实际物理情况不符的局面,提升了匹配精度.实验表明,该方法不仅解决了条纹瑕疵、边界区域误匹配问题,且执行速度快,匹配精度高.     

基于多任务学习的立体匹配算法

引入辅助任务信息有助于立体匹配模型理解相关知识,但也会增加模型训练的复杂度。为解决模型训练对额外标签数据的依赖问题,提出了一种利用双目图像的自相关性进行多任务学习的立体匹配算法。该算法在多层级渐进细化过程中引入了边缘和特征一致性信息,并采用循环迭代的方式更新视差图。根据双目图像中视差的局部平滑性和左右特征一致性构建了损失函数,在不依赖额外标签数据的情况下就可以引导模型学习边缘和特征一致性信息。提出了一种尺度注意的空间金字塔池化,使模型能够根据局部图像特征来确定不同区域中不同尺度特征的重要性。实验结果表明:辅助任务的引入提高了视差图精度,为视差图的可信区域提供了重要依据,在无监督学习中可用于确定单视角可见区域;在KITTI2015测试集上,所提算法的精度和运行效率均具有一定的竞争力。     

基于改进Census变换的抗噪立体匹配算法

针对传统Census变换在匹配代价计算中易受噪声影响、匹配精度较低的问题,提出一种引入噪声容限的四状态Census变换算法。在匹配代价计算中,首先将改进的Census匹配代价与灰度绝对差值和梯度代价进行融合,并加入相应的截断阈值,以提高初始匹配代价空间的可靠性。然后通过引导图滤波进行代价聚合,并采用赢家通吃策略计算初始视差值。最后通过左右一致性检验、视差填充和加权中值滤波来优化初始视差值,得到最终视差图。实验结果表明,所提算法的噪声鲁棒性优于传统Census变换算法,且立体匹配算法的整体误匹配率降低至5.59%。     

基于颜色变化信息的局部立体匹配算法

本文主要针对传统的局部匹配算法中的遮挡区域和重复区域、不连续区域的精度不高问题,提出了一种基于遮挡信息和颜色变化约束的局部匹配算法。首先,提出一种基于颜色变化约束的区域生长算法来提高权重因子的准确性,有效提高不连续区域、重复区域和低纹理区域的匹配精度;接着针对遮挡区域难匹配问题,提出通过降低遮挡像素点的权重影响来提高支持聚合的思想;最后结合生成的区域和遮挡点对权重因子进行分类,最终生成视差图。实验结果表明,该算法能有效提高重复区域、边缘区域和遮挡区域的匹配精度,与当前主流算法具有可比性。     

基于改进双向动态规划的立体图像匹配算法

提出一种基于改进双向动态规划的立体图像匹配算法,选用修正后的自适应加权代价函数(Adaptive Support Weight Cost Function,ASCF),然后构建新的全局能量函数,并通过改进双向动态规划来寻径,最后采用简单的滤波方法和遵循3个可靠性准则去除孤立的错误视差点,以获得稠密视差图。实验结果表明,该算法在降低误匹配率和减少"条纹"瑕疵方面有显著的改善效果。     

一种基于彩色图像分割的立体匹配算法

提出了一种新的立体匹配算法.首先采用均值漂移算法将参考图像根据彩色信息快速聚类成不同区域;然后根据变窗口算法计算的匹配点,把分割区域分为可靠区域和不可靠区域,计算可靠区域的模板参数;最后在全局评价函数中加入遮挡约束,通过贪婪算法把可靠区域的模板分配给不可靠区域使得全局评价函数取到最小值.实验结果表明,该算法可较好地处理大的低纹理区域和遮挡像素,匹配精度高,克服了基于局部算法中存在的边界模糊.     

基于垂直性约束的动态规划立体匹配算法

针对传统的DP算法存在条纹瑕疵,提出了一种改进的垂直性约束动态规划立体匹配算法,通过利用扫描线间的相关信息来约束动态规划过程,使得处理每一条扫描线时都能充分利用以前扫描线的匹配信息.实验结果表明,该算法可以明显地消除传统DP算法的视差图的条纹瑕疵,匹配精度高,而且执行时间短.