论文部分内容阅读
随着互联网技术与成像技术的不断发展，彩色图像分割成为人们日常生活需求的一项新技术，相应的越来越受人们关注。目前，图像分割方法主要向快速、自动、精确、健壮等方向发展。自适应化、最优化、自主学习分割将是图像分割领域追求.的新热点。近年来，彩色图像分割领域虽不断涌现新方法，但仍旧无法满足实际应用的需要。因此通过对图像分割进行深入的研究，完善已有方法，研究更加新颖有效的方法，或将多种方法综合运用，优势互补用于图像处理具有重要意义。 GrowCut算法是基于细胞自动机理论的交互式图像分割方法，它拥有较强鲁棒性，可作用于任意维图像，能够解决较难分割的任务，近年来因其自身的优势备受关注。本文通过对GrowCut算法及其相关理论的研究，将原来对灰度图像的交互分割上升到对彩色图像的自动分割。主要内容概括如下: (1)基于彩色图像分割的理论研究的基础，系统阐述GrowCut分割方法的基本原理与相关理论，依据仿真实验结果，分析利用GrowCut算法进行图像分割的优越性与局限性，并提出几种优化方案，为下文的研究打下理论基础。 (2)针对传统GrowCut算法分割图像时，不仅需要用户交互操作，而且带有一定的主观性和不确定性，难以实现准确自动分割。本文提出一种基于阈值和形态学预处理的GrowCut自动分割算法—TMGC算法。该算法采用Otsu阈值法划分前景和背景，形态学重建产生初始种子模板，再运用优化的细胞自动机迭代算法获取最终分割结果。简化用户操作实现自动分割，实验结果显示分割精度和速度都有明显提高。 (3)研究并实现基于二次分水岭和GrowCut算法相结合的彩色图像分割算法—SWGC算法。针对传统GrowCut算法及TMGC算法需将图像类型由彩色变换为灰度，且对图像前、背景的复杂度和相似度要求偏高，本章提出SWGC算法。首先采用二次分水岭对输入图像预处理，经过Canny边缘检测、特征空间选择、马氏距离标记等操作进行区域合并，运用局部优化的GrowCut实现最终准确分割。该方法将分割对象由灰度图像上升到彩色图像，通过两种算法的高效结合、优势互补提高GrowCut算法性能。 (4)从性能刻画和性能比较两个方面对本文所提出的算法进行评价，首先从算法的原理和性能出发，采用分析法对比GrowCut相关算法;然后采用实验方法分别将TMGC算法和SWGC算法与其相关算法进行相比分析，结果表明本文提出的算法在运行效率和分割效果方面性能更好。