论文部分内容阅读
作为图像分析与理解的基础,图像分割在计算机视觉中扮演着重要角色,因此,图像分割已成为图像处理领域的研究热点之一。近年来,图像分割理论研究取得了很大进展,并陆续提出了一系列优秀的图像分割方案。但到目前为止,尚未出现一种图像分割算法,使各种类型图像都能达到最优的分割效果,这也成为目前图像分割领域所面临的难题。本文以超像素、支持向量机(SVM)、双树复小波变换等理论为基础,尝试提出了三种图像分割算法,在多种类别图像上取得了较好的分割效果,其具体内容如下:1、以熵率超像素与孪生支持向量机(TWSVM)理论为基础,提出了一种基于TWSVM超像素分类的彩色图像分割算法。首先,利用熵率超像素生成算法将原始彩色图像划分成超像素区域;然后,利用直方图提取超像素的颜色特征并用双树复小波变换(DTCWT)的平均相位和平均幅值提取超像素的纹理特征;接着,采用最大类间方差阈值法确定出TWSVM的训练样本;最后,利用训练好的TWSVM模型对超像素进行分类处理,并得到分割结果。该方法利用熵率超像素可以很好的将局部紧凑性高的像素进行聚类,并通过分类精度更高的TWSVM模型完成超像素特征的分类。实验结果证明,该方法比其它的传统方法有更好的分割准确率,同时降低了分割时间复杂度。2、改进的混合权重SVM具有良好的分类效果,据此提出了一种基于自适应二阶统计量的彩色图像分割算法。首先,利用自适应二阶统计量作为像素的特征;然后,通过直线型二维Tsallis熵进行训练样本的选取;最后,使用改进的混合权重SVM进行分类,并取得最终分割结果。该方法利用抗噪能力强的自适应二阶统计量作为像素特征,并通过混合权重方法提高了特征的分类精度。实验结果证明,该算法具有较好的分割效果,且对噪声具有较好的鲁棒性。3、双密度双树复小波变换(DD-DTCWT)具有极强的能力捕获到图像重要的特征,据此提出了一种新型DD-DTCWT-HMT的图像分割方法。首先,利用DD-DTCWT对图像进行分解,求出相对相位局部均值和幅值;然后,利用截尾广义柯西混合模型(TGCMM)及隐马尔科夫树模型(HMT)对相对相位局部均值和幅值进行建模;最后,利用基于权值背景融合的方法进行融合,得到最终分割结果。该方案利用描述高峰重尾分布能力更强的TGCMM替代高斯混合模型(GMM)进行建模,并通过DD-DTCWT的相对相位局部均值和幅值更好地刻画出图像的纹理特征。实验结果表明,与现有部分分割方法相比,本算法具有较好的分割精度。