层次式图切分快速分割算法

图切分（Graph Cuts,GC）是近年来兴起的基于图论框架的图像分割方法, 该理论的新颖之处在于它的全局最优性和结合多种知识的统一性。 但当图像较大时运算非 常耗时。该文提出了一种基于GC 的层次式图像分割方法。先在低分辨率中用GC 以较低的 分割代价获取粗尺度的初始分割,再将结果轮廓映射回高分辨率图像中并构造出窄带,进而 采用matting 思想,在窄带内获取精确分割。实验结果表明,本文方法在确保分割结果准确 性的同时,运算速度大幅度提高。     

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     

基于窄带图割的交互式快速目标提取

针对传统算法易陷入局部极值、提取效率不高的不足,运用图割理论,提出一种将目标提取问题转化为能量最小化的组合优化问题的BandCut算法。BandCut通过人机交互获取一个将目标边界包围在内的环状窄带区域,对该区域生成距离图,构造s-t网络,进行最小代价切割获取目标。实验表明,BandCut能获取最优解,提取效率是GrabCut的5倍。     

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。     

多标号图像分割及其应用

介绍了一种基于多标号的半自动化图像分割方法。在分割过程中,首先依据高斯权值函数,针对待处理图像建立一个加权图;然后在原始图像中分别标记出属于不同目标区域的像素点;之后,任意选择图像中没有被标号的像素点为作起点,依据所创建的加权图进行随机游走,计算出从当前出发点游走至各个标记像素的概率。通过这种方法,针对图像中未被标号的像素,可以获得一个概率分布图,其中每个概率分布表示未标号像素随机游走到各个标记像素的概率,取概率最大的标记像素作为其所属目标,则可得到一个高质量的分割图像。     

基于多尺度分析与图割的快速图像分割算法*

以GrabCut算法为基础,引入多尺度分析方法,以塔式分解的多尺度图像序列代替固定尺度的原始图像序列估计GMM参数,将粗糙尺度的易分割性与精细尺度的精确性互补,使得算法以较少样本快速确定GMM参数,分割精度不减而效率显著提高。实验表明了算法的有效可行性。     

Interactively multiphase image segmentation based on variational formulation and graph cuts

In this paper the multiple piecewise constant (MPC) active contour model is extended to deal with multiphase case. This proposed multiphase model can be effectively optimized by solving the minimum cuts problem of a specially devised multilayer graph. Based on the proposed energy functional and its graph cuts optimization, an interactively multiphase partition method for image segmentation is presented. The user places some scribbles with different colors on the image according to the practical application demand and each group of scribbles with the same color corresponds to a potential image region. The distribution of each region can be learned from the input scribbles with some particular color. Then the corresponding multilayer graph can be constructed and its minimum cuts can be computed to determine the segmentation result of the image. Numerical experiments show that the proposed interactively multiphase segmentation method can accurately segment the image into different regions according to the input scribbles with different color.     

深度图像的分层图割算法研究

以深度图像为分割对象,在迭代图割算法的基础上,通过引入分层机制加快图割执行速度,并通过引入平衡因子来平衡颜色纹理和深度之间的重要程度,从而有效地对深度图像进行分割。利用平衡因子可以在深度信息能够明显区分前背景的情况下,重点利用深度信息来分割图像,反之则重点利用颜色和纹理信息。而在迭代图割算法中,分层机制的引入能够在不降低分割精度的情况下有效地减少图割算法的执行时间。     

Unsupervised image segmentation based on MRFs and graph cuts

Markov random fields （MRFs） can be used for a wide variety of vision problems. In this paper we will propose a Markov random field （MRF） image segmentation model. The theoretical framework is based on Bayesian estimation via the energy optimization. Graph cuts have emerged as a powerful optimization technique for minimizing energy functions that arise in low-level vision problem. The theorem of Ford and Fulkerson states that min-cut and max-flow problems are equivalent. So, the minimum s/t cut problem can be solved by finding a maximum flow from the source s to the sink t. we adopt a new min-cut/max-flow algorithm which belongs to the group of algorithms based on augmenting paths. We propose a parameter estimation method using expectation maximization （EM） algorithm. We also choose Gaussian mixture model as our image model and model the density associated with one of image segments （or classes） as a multivariate Gaussian distribution. Characteristic features related to the information in color, texture and position are extracted for each pixel. Experimental results will be provided to illustrate the performance of our method.     

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。     

彩色图像色度距离权值的图论分割算法

提出利用色度距离特征权重的图论分割算法,对彩色图像进行区域分割分析。利用图论和HSI模型,解决自然灾害图像的分割问题。针对复杂的自然图像,将图像像素转换为图论中的节点,构造基于像素点HSI模型的带权无向图;构建带权无向图的图论分割权函数及分割准则,形成区域相似度判别方法;结合实际分割需求,对图论分割后的离散区域进行二次吸收与合并运算,获取连续兴趣区域;对分割的结果与其他算法进行了比较与分析。     

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。     

基于图论Isoperimetric算法的岩心图像分割

基于图论的图像分割算法是当前图像分割领域研究的热点,其中归一化分割（Ncut）是一种典型的图论分割算法。但Ncut分割的速度慢,分割结果容易受图像的噪声和虚假边缘的影响,难以应用到实际。为此,提出一种基于图论的等周（Isoperimetric）改进分割算法。该算法使用解线性方程的方法代替解特征向量的方法、用4-邻接的方法代替全连接,避免了复杂的空间滤波。该算法运用到岩心图像分割中,提高了分割的效率,取得了较好的分割效果。     

Graph-based tools for microscopic cellular image segmentation

We propose a framework of graph-based tools for the segmentation of microscopic cellular images. This framework is based on an object oriented analysis of imaging problems in pathology. Our graph tools rely on a general formulation of discrete functional regularization on weighted graphs of arbitrary topology. It leads to a set of useful tools which can be combined together to address various image segmentation problems in pathology. To provide fast image segmentation algorithms, we also propose an image simplification based on graphs as a pre processing step. The abilities of this set of image processing discrete tools are illustrated through automatic and interactive segmentation schemes for color cytological and histological images segmentation problems.     

Iris segmentation in non-ideal images using graph cuts

A non-ideal iris image segmentation approach based on graph cuts is presented that uses both the appearance and eye geometry information. A texture measure based on gradients is computed to discriminate between eyelash and non-eyelash regions, combined with image intensity differences between the iris, pupil, and the background (region surrounding the iris) are utilized as cues for segmentation. The texture and intensity distributions for the various regions are learned from histogramming and explicit sampling of the pixels estimated to belong to the corresponding regions. The image is modeled as a Markov Random Field and the energy minimization is achieved via graph cuts to assign each image pixel one of the four possible labels: iris, pupil, background, and eyelash. Furthermore, the iris region is modeled as an ellipse, and the best fitting ellipse to the initial pixel based iris segmentation is computed to further refine the segmented region. As a result, the iris region mask and the parameterized iris shape form the outputs of the proposed approach that allow subsequent iris recognition steps to be performed for the segmented irises. The algorithm is unsupervised and can deal with non-ideality in the iris images due to out-of-plane rotation of the eye, iris occlusion by the eyelids and the eyelashes, multi-modal iris grayscale intensity distribution, and various illumination effects. The proposed segmentation approach is tested on several publicly available non-ideal near infra red (NIR) iris image databases. We compare both the segmentation error and the resulting recognition error with several leading techniques, demonstrating significantly improved results with the proposed technique.     

改进的一种图论分割方法在舌像分割中的应用

由于人舌体的特殊性质,从舌像中直接分割舌体时常存在过分割和过合并现象。针对舌像特点提出了一种结合图论分割和多分辨率分割的图像分割算法,用一种图论分割算法让舌像在两种分辨率下分别进行分割,根据两种分割的结果把它们进行交或者并处理,从而有效地分割出舌体。实验结果表明这种方法能够有效避免直接使用图论分割时出现分割过度或者欠分割的情况。     

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。     

基于蚁群优化多层图划分的彩色图像分割方法

为了消除基于谱聚类的归一化切分图像分割中聚类参数对分割结果的约束,提出了一种基于蚁群优化的多层图划分算法来进行归一化切分,进而对彩色自然景观图像进行分割.该算法将代表图像的相似度图作为蚁群的栖息环境,在归一化割准则的指导下,通过蚂蚁的觅食行为将相似的顶点逐渐聚集在一起,从而以多层的方式完成图划分.为了降低图像分割的计算量,利用超像素对图像进行预处理.实验对比表明,该算法消除了归一化切分分割结果对聚类参数的依赖,并提高了归一化切分分割的准确性和速度.