论文部分内容阅读
图像分割是图像理解和计算机视觉领域的重要内容,应用的范围之广遍及医学,航空航天,图形学,机器人领域等,在理论研究和现实应用中得到了人们的高度重视。图像分割是图像从处理到分析的重要环节,分割结果的优劣直接影响着更进一步的信息处理。因此图像分割在整个图像处理当中,承担着基石的作用,对下一步的特征提取等有着重要的影响。而重复元素又是在我们生活中扮演着不可或缺的角色,从图像中自动分离出重复元素具有实际的意义,能够减轻重复的搜索工作,把所有同类的重复元素当成一个整体来看待处理,直接把重复元素分离出来。而目前所有的研究,都需要用户提供关于重复元素的信息,用于在全图中匹配,我们提出了一种更加智能地提取重复元素的框架,可用于快速查找重复元素。本文的主要内容是通过简单交互快速提取图像中的重复元素,给定一幅带有重复元素的彩色图像,用户粗略的选择重复元素所在的区域,我们便能从中得到精确的重复元素,并且在很大程度上符合用户的期望。我们运用超像素为算法提供加速,并且沿着这个思路将所有超像素再一次聚类,这是为了从毫无语义信息的超像素中获取粗糙前景的像素信息。依照重复元素的性质和用户交互的笔刷信息,从三个方面衡量两个超像素的相似距离/相似度,超像素之间的颜色差值,空间距离以及与用户绘制的线条之间的距离关系共同决定两个超像素之间的相似度,我们再对每一步聚类结果进行评价,评判的标准是这些聚类后的簇与交互信息是否匹配,即这些聚合而成的结果是否符合用户输入的交互提示。根据这些最终确定含有重复元素的前景部分,对于更加复杂的情况,有时在用户绘制时,不可避免的出现另一组或更多组重复元素,我们原来的算法无法分辨出哪一组才是用户所期望的,则会陷入混乱。那么据此,我们采用了信息传播机制的相似性传播算法再对复杂前景分类,得到各自独立的每组重复元素。基于简单交互的过程,用户就能体验到一次性分割重复元素的结果,节省了大量的时间和精力。