论文部分内容阅读
图像分割是指将一幅图像中的包含特殊含义的不同区域区分出来的过程,它是数字图像处理领域中最为基本的一个问题。由于其复杂性,至今仍然没有一种通用的方法能满足各种不同的需要。为了在复杂的图像中达到更好的分割效果,近来人们倾向于将某些特定的学术理论应用于图像分割中,以融合多种不同的图像信息或者结合不同的分割方法以取长补短。
Graph Cuts图像分割方法即是近年来新出现的一种基于能量函数最小化的交互式图像分割方法。不同于传统的图割方法,它是在马尔可夫随机场的基础上通过s-t网络图的最小割理论将图像的分割问题转化为求解能量函数的最小化问题。相比于其他的组合优化技术,该方法能够实现全局最优,而且该方法鲁棒性强具有多维图像处理能力。目前该方法在图像处理领域中已经得到了广泛的应用。
本文以Graph Cuts图像分割方法为研究重点,从马尔可夫能量函数、网络流相关理论到网络图的构建方法、最小割的计算再到该方法的研究现状等多方面对Graph Cuts方法的理论框架进行了全面详细的介绍。并且根据本文要分割的X光图像的具体特点,对Graph Cuts分割方法的具体应用进行了分析。
针对Graph Cuts图像分割方法在分割本文X光图像时遇到的不能正确区分距离较近的两个目标物的问题,本文提出了一种结合原始图像梯度信息对网络图进行赋值的方法。该方法使得图像中的边界位置与非边界位置在网络图中更容易区分。实验结果表明这种新方法在一定程度上解决了原有方法的缺点而且这种新方法对物体边界细节保持的更好。另外,对于一些特别模糊的X光图像分割结果比较差的问题,本文提出了一种结合局部空间信息计算网络图权值的方法,能更好的保持图像的边缘细节信息,使得分割结果的边缘轮廓更加准确。