论文部分内容阅读
近年来基于图论的图像分割方法因其简单的结构、丰富的理论支持,成为了学者们研究的热点。EGB算法是其中一种具有代表性的快速高效、基于最小生成树的分割方法,可以获得符合全局特征的分割结果。EGB算法原理简单、运行效率高,但存在顶点/边冗余度高、门限系数最佳取值确定困难、抗噪声能力差的致命缺点。本文在对EGB算法进行详细分析的基础上,针对EGB算法的不足,提出了两种改进方案。
1.提出了基于超级顶点和区域大小估计的(SN-RSE,Supernodes and Region SizeEstimation Based Segrnentation)图像分割算法。EGB算法在建图过程中产生过多的顶点和边,本文首先采用分水岭算法创建超级顶点来减少顶点和边的数目,然后结合区域间色彩差异以及边缘平均强度定义了一个区域间差异程度的度量,并提出了区域尺寸估计方法,将EGB中棘手的门限系数的取值问题转化为区域最佳尺寸的估计问题。实验表明,SN-RSE的区域估计机制取代门限系数的穷尽试探做法是可行的,同时SN-RSE算法对于色彩均匀区域的分割效果也较EGB算法要高。
2.提出了一种修正算法EGB-CT(EGB Algorithm with Constrained Threshold),在EGB算法中引入门限调节因子。为了提高EGB算法的抗噪声能力,提出了区域平滑度和门限调节因子的概念。EGB算法分割结果中出现的过分割与欠分割,是由于算法对平滑尺度不同的区域,采用了相同的门限系数而造成的。因此文中定义了区域平滑度,对分割过程中某一区域的感知平滑程度进行衡量,然后根据区域平滑度的不同,门限调节因子可以对区域相应门限值进行限制,从而达到提高算法抗噪性能的目的。实验表明,门限调节因子的引入,不仅提高了算法的抗噪能力,还保持了原来EGB算法快速高效的特点。