论文部分内容阅读
图像分割是图像处理与计算机视觉领域中的基本技术之一,图像分割是指利用图像的灰度、颜色、纹理、形状等将一幅图像分割成若干个独立的有共同像素属性的对象,其实质是一个按照像素属性进行聚类的过程。基于图划分理论的图像分割是将图像映射成为一幅加权无向图,然后利用图论中的成熟理论对图像进行分割。本文主要研究基于图划分理论的图像分割方法,具体所做的工作主要体现在以下几个方面:(1)本文概述了图像分割的背景及应用,并对图像分割的数学理论基础进行了介绍和描述。详细介绍了几种典型的图像分割方法,并对这些典型的图像分割方法的优缺点进行了分析和对比。重点对基于图划分理论的图像分割方法进行了研究。该方法是使用加权图来映射图像,图像的像素对应图的节点集,像素之间的相邻关系对应边集,节点的属性对应像素的特征信息(比如灰度、颜色等)边的属性对应像素之间的差异或者相似性。(2)研究了基于最小生成树的图像分割算法。首先详细论述了最小生成树及其算法;在此基础上,把最小生成树算法应用到图像分割当中,形成了基于最小生成树的图像分割方法。对最小生成树图像分割算法的效率和优缺点进行了详细分析,在此基础上提出了自己的优化算法的思路,对最小生成树图像分割算法进行了优化。实验结果表明,优化后的算法能得到更好的分割结果。(3)研究了基于等周算法的图像分割方法。这是一种基于图划分理论的快速分割方法,可应用于静态图像与运动目标的分割,通过设置合理的基点,可完成自动分割。本文在对等周算法进行详细概述的基础上,提出了一种对原等周算法进行改进的方法,并给出了算法实现步骤。最后给出了相应的实验结果和实验分析,实验结果表明,改进后的等周算法是一种快速、稳定、良好的基于图划分理论的分割方法。(4)研究了基于归一化割的图像分割方法。这是一种无监督的图像分割技术,它不需要初始化,能同时把不同组之间的不相似性和同一组内的相似性最大化,是一个全局准则。本文总结了归一化割算法的优缺点,并在此基础上提出了一种优化的归-化割算法。实验结果表明,优化后的归一化割算法能得到更满意的图像分割结果。最后提出了本文的总结并对该基于图划分理论的图像分割方法今后的研究方向提出了展望。