图像分割复杂性测度研究

基于内容的图像处理与分析技术,其基本前提是确定图像中包含的内容,即具有语义的内容对象。图像分割技术是实现图像内容对象检测的基本方法。对图像分割中的必要性问题进行了相关研究,针对大部分图像分割算法因所分割的图像不具有语义信息而导致图像分割出现无意义情况的现状,提出了一种图像分割复杂性的定义。基于该定义,给出了其实现方法。通过系统的实验结果表明,所提出的新的图像分割复杂性指标可以很好地适应图像目标区域大小,是衡量图像分割必要性的一种合理有效的方法,且能够成为一种重要的图像分割判断指标。     

基于深度学习的图像语义分割方法综述

近年来,深度学习技术已经广泛应用到图像语义分割领域.主要对基于深度学习的图像语义分割的经典方法与研究现状进行分类、梳理和总结.根据分割特点和处理粒度的不同,将基于深度学习的图像语义分割方法分为基于区域分类的图像语义分割方法和基于像素分类的图像语义分割方法.把基于像素分类的图像语义分割方法进一步细分为全监督学习图像语义分割方法和弱监督学习图像语义分割方法.对每类方法的代表性算法进行了分析介绍,并详细总结了每类方法的基本思想和优缺点,系统地阐述了深度学习对图像语义分割领域的贡献.对图像语义分割相关实验进行了分析对比,并介绍了图像语义分割实验中常用公共数据集和性能评价指标.最后,预测并分析总结了该领域未来可能的研究方向及相应的发展趋势.     

一种基于区域综合特征的图像检索算法

针对基于内容的图像检索所面临的图像低级视觉特征和高级语义之间的语义鸿沟问题,提出一种基于区域的图像检索算法。在LUV颜色空间中使用K均值聚类算法进行图像分割,提取分割后各区域的颜色、形状和区域自相关特征构成区域的综合特征,采用二次型距离相似性度量方法完成图像之间相似性的计算。实验结果表明,该算法具有较好的图像检索性能,与MIRROR中各算法相比,使用平均归一化修正检索等级得到的检索性能提高了12%~47.8%。     

基于语义测度的图像相似性计算研究

针对图像检索中的低层视觉特征相似性度量问题,提出一种基于语义测度的图像相似性计算方法。该方法在图像区域分割的基础上,通过构建图像区域子块与语义元数据之间的统计映射关系,实现图像内容的统计语义描述,建立图像之间、图像与语义类别、语义类别之间的分层语义相似测度。通过对自然图像库的实验结果表明,该方法在相似图像检索中具有更好的性能。     

基于纹理测度与自适应阈值的FCM图像分割算法

图像分割是模式识别、图像理解、计算机视觉等领域的重要研究内容.基于模糊C 均值聚类(FCM)的图像分割是应用较为广泛的方法之一,但其存在抗噪能力差、收敛速度慢等不足.本文以FCM 理论为基础,提出一种基于纹理测度与自适应阈值的图像分割算法.该算法首先根据图像局部相关特性,利用Laws 纹理测度提取图像特征,并进行图像的FCM 初分割;然后结合Otsu 准则(最大类间方差法),利用FCM 自适应确定阈值,并对初分割结果进行区域合并.仿真实验表明,该图像分割算法的分割结果与人类视觉感知系统具有良好一致性,其不仅能够有效抑制背景噪声,而且提高了图像分割速度.     

图像语义分割方法综述

图像语义分割是一种将图像分割成一系列具有特定语义类别属性的区域的方法,目前已成为当前图像理解分析和计算机视觉等领域的热点研究内容。在广泛文献调研的基础上,简述了图像语义分割方法的发展历程,从驱动类型的角度将当前主流的图像语义分割方法分为基于模型驱动的方法和基于数据驱动的方法,并分别进行了介绍,总结归纳了图像语义分割方法的性能评价标准,指出了图像语义分割方法的主要发展趋势。     

图像语义的图形化标注和检索研究

基于图像语义进行检索的目的是希望能够更好地从用户的角度出发,查找出与用户理解相一致的图像。针对目前图像语义检索过程中存在的问题,提出一个基于对象的图像语义内容标注模型和检索框架。首先利用分割算法获取图像中的语义对象区域,然后以MPEG-7标准中的语义描述方案为基础,利用图形化结构实现图像语义内容的标注。在检索过程中,用户把查询内容转化为图形化描述结构,通过提取该描述图的不同长度的路径信息形成查询文档,与图像库中的图像语义标注文档进行匹配实现图像检索。实验结果表明,提出的方法能够有效地实现基于语义的图像标注和检索,与全文检索相比,有较高的查全率和查准率。     

基于本体技术的内容图像检索系统

提出一种新的利用对象本体进行基于内容的图像检索的方法.从分割后的图片区域中提取低层特征,并将其映射为本体中的中间层描述符.中间层描述符将图像低层特征与高层语义联系起来,实现基于内容的图像检索.实验证明,该方法适于大型图片库的检索.     

一种基于模糊连通度的图像阈值分割算法

提出一种新的图像阈值分割方法。该方法给出模糊连通度定义,采用图像划分测度作为区分目标和背景的阈值分割准则,在计算图像划分测度时,采用基于灰度级的权值矩阵代替常用的基于像素的权值矩阵来描述图像中各像素之间的关系,从而减小算法实现的复杂性,提高算法运算速度。仿真实验结果表明,与大多数模糊阈值分割方法相比,该方法更具优越性。     

融合深度和颜色信息的图像物体分割算法

讨论立体图对的图像分割问题,提出一种基于深度和颜色信息的图像物体分割算法。该算法首先利用基于聚类的Mean-shift分割算法对目标图像进行适度的过分割,同时借助双目立体视觉算法获取立体图对的稠密深度图,并依据深度不连续性从过分割结果中选取用于继续进行“精致”分割的种子点集,接着对未分配种子标签的区域用图割算法分配标签,并对彼此之间没有深度不连续边界但具有不同标签的相邻区域进行融合。相比于传统图像分割算法,该算法可有效克服过分割和欠分割问题,获取具有一定语义的图像分割结果。相关的对比实验结果验证了该算法的有效性。     

区间模糊谱聚类图像分割方法

近年来谱聚类算法在模式识别和计算机视觉领域被广泛应用,而相似性矩阵的构造是谱聚类算法的关键步骤。针对传统谱聚类算法计算复杂度高难以应用到大规模图像分割处理的问题,提出了区间模糊谱聚类图像分割方法。该方法首先利用灰度直方图和区间模糊理论得到图像灰度间的区间模糊隶属度,然后利用该隶属度构造基于灰度的区间模糊相似性测度,最后利用该相似性测度构造相似性矩阵并通过规范切图谱划分准则对图像进行划分,得到最终的图像分割结果。由于区间模糊理论的引入,提高了传统谱聚类的分割性能,对比实验也表明该方法在分割效果和计算复杂度上都有较大的改善。     

结合格式塔完形规则的自然图像分割

目的 由于自然图像容易受到光照等因素的影响,其分割精度往往达不到人类视觉感知的需求,为此提出了一种新的结合格式塔完形规则的自然图像分割方法。方法 首先采用Ncut算法对原图像进行过分割得到若干个子区域,这些局部子区域能弱化光照、背景模糊等自然因素的影响;然后引入格式塔完形规则对区域进行度量,提出了基于区域的量化计算模型,进一步弱化了自然因素的影响,而且所得的区域率更加符合人的视觉感知;最后在区域率的基础上提出了新的合并算法,该算法简单且执行效率高,通过区域合并得到最终的分割结果。结果 30幅图像的定量和目视对比实验表明,本文算法不仅能够很好地将格式塔完形规则应用到图像分割上来,而且对比实验表明,本文算法在评价指数PRI、VOI、GCE上总体性能要优于其他算法,与人工标注的结果比较接近。结论 提出了一种结合格式塔完形规则的自然图像分割方法,该方法在过分割的基础上,采用格式塔完形规则对区域进行度量,有效降低了自然图像易受自然因素的影响,提高了分割精度。实验结果表明,本文提出的结合格式塔完形规则的图像分割算法高效性而准确,但不适合于尖细物体的自然图像的分割。     

Image Thresholding Using Graph Cuts

A novel thresholding algorithm is presented in this paper to improve image segmentation performance at a low computational cost. The proposed algorithm uses a normalized graph-cut measure as thresholding principle to distinguish an object from the background. The weight matrices used in evaluating the graph cuts are based on the gray levels of the image, rather than the commonly used image pixels. For most images, the number of gray levels is much smaller than the number of pixels. Therefore, the proposed algorithm requires much smaller storage space and lower computational complexity than other image segmentation algorithms based on graph cuts. This fact makes the proposed algorithm attractive in various real-time vision applications such as automatic target recognition. Several examples are presented, assessing the superior performance of the proposed thresholding algorithm compared with the existing ones. Numerical results also show that the normalized-cut measure is a better thresholding principle compared with other graph-cut measures, such as average-cut and average-association ones.      

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。     

纹理图像的多尺度分割

纹理图像分割最常用的方法就是基于特征的纹理分割,即首先提取出图像的纹理特征,在利用提取出的纹理特征来进行特征划分.通过对纹理特征进行划分来实现纹理图像分割的过程所面对的主要困难可以概括为:效率和效果.纹理图像分割算法大多具有较高的时间复杂度,这一方面是因为纹理特征提取比较费时,另一方面较高的特征维数导致特征划分过程的计算量通常比较大.本文提出基于图像四叉树的多尺度分割算法来实现实时图像的粗分割,实验表明此算法可以在保持分割精度的前提下大大降低时间复杂度.     

基于多代表点近邻传播的大数据图像分割算法

基于多代表点近邻传播聚类算法,提出一种有效的大数据图像的快速分割算法。 该算法首先运用均值漂移算法将彩色图像分割成很多小的同质区域,然后计算每个区域中所有 像素的颜色向量平均值,并用区域数目代替原图像像素点数目,选用区域间的距离作为相似度 的测度指标,最后应用多代表点近邻传播聚类算法在区域相似度矩阵上进行二次聚类,得到最 终的图像分割结果。实验结果证明,提出的算法在大数据图像的分割中取得了较为满意的分割 效果,且分割效率较高。     

基于梯度增强的新闻字幕分割算法

新闻字幕的分割在基于语义的新闻视频检索系统中具有重要的意义,为此提出一种基于梯度增强的新闻字幕分割箅法.该算法使用图像多方向梯度的加权和代替图像的标准方差,通过各方向权值的调节加强某些方向的边缘信息,以提高分割效果.与一些经典的自适应阈值分割算法相比,该算法不仅能够保留大部分笔画,也能有效地减少断笔问题.基于光学文字识别的实验结果证明了文中算法的有效性.     

分解的二维非对称Tsallis 交叉熵图像阈值选取

现有的Tsallis 交叉熵能够度量图像分割前后的差异,但公式复杂,计算效率不高,据此, 提出了基于分解的二维非对称Tsallis 交叉熵图像阈值选取方法。首先给出了非对称Tsallis 交叉熵的定 义,提出了一维非对称Tsallis 交叉熵阈值选取方法;然后,将其拓展到二维,推导出相应的阈值选取 公式;最后,在此基础上提出了二维非对称Tsallis交叉熵阈值选取的分解算法,使求解二维非对称Tsallis 交叉熵阈值法的运算转化到两个一维空间上,将计算复杂度从O(L4)降低为O(L)。大量实验结果表明, 与基于混沌粒子群优化的二维Tsallis 灰度熵法、二维斜分对称交叉熵法,二维斜分对称Tsallis 交叉熵 法等方法相比,该方法分割性能优,运行时间短,可望满足实际应用系统对分割的实时要求。     

基于特征散度的自适应FCM图像分割算法

图像分割是模式识别、图像理解、计算机视觉等领域的重要研究内容。基于模糊C均值聚类(FCM)的图像分割是应用较为广泛的方法之一,但其存在距离测度鲁棒性差、需预先给出初始聚类数目、未考虑图像局部相关特性等问题。为克服上述缺点,通过引入特征散度进行距离测度,并结合聚类有效性指数自适应确定初始聚类数目和根据Laws纹理测度提取图像特征等措施,提出了一种新的FCM图像分割算法。实验结果表明,该新算法可以有效地提高图像的分割效果(特别是纹理图像),其分割结果优于现有FCM图像分割方案。