论文部分内容阅读
图像分割是指根据图像已有的图像低维视觉描述特征,按照所设计的一定相似性准则将图像中在某些特征上存在相似性的区域划分成同一类别,并将图像中感兴趣的部分从图像中分离出来,为后续的图像处理提供可能性。图像分割根据在分割过程中是否需要用户的参与,可将图像分割分为交互式图像分割和无监督图像分割,交互式图像分割是指在图像分割过程中,用户根据对图像处理的需要,为图像分割提供先验信息,然后根据用户提供的先验信息和设计的相似性准则分割出所期望的结果。无监督图像分割虽然相对于交互式图像分割而言,在操作上具有一定的简便性,但是无监督图像分割在应用中存在自身的“病态”性,而交互式图像分割在一定程度上弥补了无监督图像分割的缺陷,而且在很多应用中具有较大的优势。近年来,随着计算机视觉、图像分析和模式识别等领域的发展,交互式图像分割成为了图像处理中重要的研究领域之一。近年来,交互式图像分割的研究成为了国内外众多学者探索的热门研究领域之一,也取得了很多对图像分割的发展具有重要意义的研究成果,在很多应用领域对图像的分割也取得了较好的效果,但是目前的交互式图像分割方法仍然存在较多问题,对交互式图像分割的研究还有待进一步继续深化,以克服由于图像的多样性和复杂性使得目前的图像分割方法对图像分割效果不够理想的问题。目前的交互式图像分割方法对图像分割存在的问题主要有以下几点:(1)虽然已有方法对图像中的分割对象带有细长部分的分割进行了研究,但是对于分割对象带有细长部分的图像分割效果仍然较差,有待进一步的研究;(2)在图像分割中,对具有噪声和纹理的图像分割是较为常见的,虽然已有较多的研究成果,但是对于具有复杂纹理和一定噪声的图像分割效果仍不够理想,特别是在对自然图像的分割中;(3)对较为复杂的自然图像不能实现有效地分割,对不同类型的图像分割适用性较差;(4)当图像中存在多个独立相同或相似的分割对象时,往往需要提供足够的种子像素点,当交互信息有限时,不能够实现对图像中所有对象的有效分割;(5)弱边界是图像中普遍存在的问题,目前大部分方法对弱边界的分割精准度仍不够理想。针对以上所存在的问题,本文围绕着随机游走图像分割模型进行深入研究,对现有的随机游走交互式图像分割方法存在的问题进行了仔细分析,提出了一种多层子马尔可夫随机游走的图像分割方法。此外,借鉴统计分析中线性回归的思想,结合维数约简和传播相关理论知识,提出了线性回归判别函数的图像分割方法。本文的主要工作及创新性成果可归纳为如下几个部分:(1)提出了一种多层Sub-Markov随机游走交互式图像分割算法。该算法通过引入图像片层,再融合先验层建立了与像素层之间的关系,实现了构建像素之间的中远距离联系,使得成对像素之间的相似性联系得到增强,从而增大了随机游走的迁移概率,有助于提高对图像中的分割对象带有细长部分的分割效果。此外,由于图像片的引入,对图像中的噪声和纹理具有一定的平滑作用,能够对该类图像具有较好的分割效果。由于随机游走的转移概率得到增大,使得对较为复杂的自然图像具有很好的分割效果。通过图像片层建立像素之间的中远距离联系,为随机游走交互式图像分割在理论上取得了进一步的发展。(对应论文第3章)(2)提出了一种基于维数约简的线性回归判别交互式图像分割算法。该算法是借鉴统计分析中线性回归的思想,再对数据分类中的维数约简和传播理论进行仔细分析研究后而提出来的,利用维数约简方法将描述图像的高维特征数据映射到有效的子空间上,去除了冗余信息,使得对图像的分割更佳准确,利用传播理论,将图像中像素之间的局部相似性传播到全局领域中,使得成对像素之间的相似性构建更加完备。同时判别函数的参数有效地提取了图像的本质特征,这使得本方法能够适用于交互式协同图像分割成为可能。由于本方法使用传播理论将像素之间的局部相似性传播到全局领域,这使得对不同的图构建方式都能得到较好的分割效果。由于本方法是通过获得描述图像主要特征的参数后,再通过判别函数进行对图像的分割,所以对图像中分割对象带有细长部分、存在弱边界问题、分割多个独立相同或相似的对象都能取得较好的分割效果。(对应论文第4章)(3)针对本文所提出的基于随机游走和线性回归判别函数的交互式图像分割方法,为了验证所提出方法的有效性,在自然图像上进行了大量的定性和定量对比实验,验证了本文所提出的方法对图像的分割是有效的,同时也表明了对交互式图像分割的研究具有一定的进步意义。关于线性回归判别函数的图像分割方法,通过实验不仅验证了在不同图构建方式下的图像分割效果是比较理想的,还能够有效地实现对图像的多类分割,同时还在交互式协同图像分割实验中取得了较好的分割效果,这也为交互式协同图像分割提供了新的研究方向。(对应论文中3.4小节和4.4小节)