论文部分内容阅读
图像分割是计算机视觉中一个基本而关键的研究方向。图像分割是将图像划分成若干个区域的过程,以便于人类理解图像内容或计算机处理图像信息。迄今为止,大量的图像分割算法已被提出,其中基于图论的图像分割算法由于具有成熟严谨的图论理论的支撑以及良好的分割结果近年来备受关注。本文回顾了图论的基础知识,并将图像与图的对应方式进行了描述,在此基础上,分类详细介绍基于图论的图像分割算法,并挑选每一类中有代表性的算法进行了比较和分析。
基于图论的图像分割将图像映射为带权无向的图,在图结构上,利用图论的知识将图划分成若干个子图,从而完成图像分割。图的最小生成树、图割准则、图的最短路径等都已成功地应用于图像分割。归一化切分(Normalized Cut,NCut)是一种基于图割准则的图像分割算法,它构建了一个全局优化的图分割准则并利用谱聚类进行求解。NCut的分割结果体现了图像的全局特征,而且 NCut倾向于对图像进行比较均衡的分割,这是它的优点。但NCut计算量大、分割时间长的不足阻碍了它的应用,而且NCut分割本质上是对图顶点的聚类划分,聚类数对其分割结果的影响很大,因此需要研究改进。本文以NCut图像分割算法为研究的切入点,主要的创新工作有两点:
①提出了基于超像素的NCut图像分割算法SLIC_NCut(Simple Linear Iterative Clustering_NCut),借助超像素来改善 NCut分割的效率,并对彩色的自然景观图像进行分割。对比实验表明,SLIC_NCut在降低分割算法处理的数据量的同时,提高了分割结果的准确性。
②设计了一种基于蚁群优化的图划分方法 ACO_GP(Graph Partitioning Using Ant Colony Optimization),代替传统的谱聚类算法来求解NCut图分割准则,进而实现图像分割。该分割方法具有区域数目自适应的优点,消除了区域数目对传统NCut分割的影响。实验结果验证了该方法的有效性。
基于图论的图像分割将图像映射为带权无向的图,在图结构上,利用图论的知识将图划分成若干个子图,从而完成图像分割。图的最小生成树、图割准则、图的最短路径等都已成功地应用于图像分割。归一化切分(Normalized Cut,NCut)是一种基于图割准则的图像分割算法,它构建了一个全局优化的图分割准则并利用谱聚类进行求解。NCut的分割结果体现了图像的全局特征,而且 NCut倾向于对图像进行比较均衡的分割,这是它的优点。但NCut计算量大、分割时间长的不足阻碍了它的应用,而且NCut分割本质上是对图顶点的聚类划分,聚类数对其分割结果的影响很大,因此需要研究改进。本文以NCut图像分割算法为研究的切入点,主要的创新工作有两点:
①提出了基于超像素的NCut图像分割算法SLIC_NCut(Simple Linear Iterative Clustering_NCut),借助超像素来改善 NCut分割的效率,并对彩色的自然景观图像进行分割。对比实验表明,SLIC_NCut在降低分割算法处理的数据量的同时,提高了分割结果的准确性。
②设计了一种基于蚁群优化的图划分方法 ACO_GP(Graph Partitioning Using Ant Colony Optimization),代替传统的谱聚类算法来求解NCut图分割准则,进而实现图像分割。该分割方法具有区域数目自适应的优点,消除了区域数目对传统NCut分割的影响。实验结果验证了该方法的有效性。