论文部分内容阅读
图像分割是一种底层的图像处理技术,它利用图像的某些特性,将其划分为若干个独立的有意义的相似区域。图像分割广泛应用于医学、军事、体育、农业等领域。按实现原理将图像分割归纳为四大类:基于阈值的分割方法、基于边界检测和边缘连接的方法、基于区域提取的方法和结合特定理论工具的方法。基于图论的分割方法是一类综合考虑图像边缘及区域的方法,实质是将图像分割转化为无向图的最优化问题。其中最小生成树(MST)是图论中计算权值最小连通图的一种理论,此方法具有较高的运算效率、结构简单、着眼于全局,比一般方法获得更佳的效果。 本文的工作主要基于MST的算法,在分析此算法的概念、原理、数据结构和实现方式的基础上,根据Kruskal算法无法通过新生区域修改区域邻接图(RAG)的缺陷,提出在合并区域后更新RAG和边的排列顺序来改进该算法。为了提高算法的应用,我们需要更改算法及优化程序,发现MST算法的运算瓶颈为节点和边的数目,由此介绍了分水岭分割算法的思想、基本模型和主要缺陷后,将此方法引入MST方法中作为预分割,生成的过度分割区域转化为无向图中的节点,相邻区域间的差异转化为边的权重,构造加权RAG,然后利用改进的Kruskal算法对其进行合并。 基于分水岭的MST的分割方法虽然具有较好的分割速度和全局特性,但其结果较为粗糙、冗杂。本文结合Mumford-Shah模型中对于图像区域及边缘的认识,计算区域间基于结合度的权值加入到MST的合并判断公式中,改进了其合并判断的量度。新的合并公式可以使相互结合较好的区域更易于合并,使得边缘较简单的区域保留下来。 本文将分水岭分割细致、快速和MST的全局最优结合在一起,既消除了分水岭算法过分割的不足,又有效地降低了MST算法中边的数目。相关实验显示改进的Kruskal算法使分割结果更接近原图像的特征,并且能够有效地去除MST方法中普遍存在的狭长及杂乱区域,并得到平滑连续的区域边缘,更加符合人眼的视觉特性。