论文部分内容阅读
图像分割是将图像划分成若干具有意义的子区域的技术。例如,一副航空照片可以划分为居民区、森林和湖泊等具体区域。近年来,追求智能化的彩色图像图像分割成为图像分割领域的新热点。由于彩色图像比灰度图像携带更多的信息,而现有的单一的图像分割方法不能满足图像分割的实际要求,因此需要在原有图像分割方法的基础上提出新的更加有效的彩色图像分割方法,或者将各有优势的图像分割方法进行相结合,运用在彩色图像分割领域。本文介绍了图像分割领域所涉及的相关理论、图像分割方法以及图像分割的评价标准等,重点研究了自适应均值漂移和GrowCut彩色图像自动分割算法。主要工作如下:(1)针对固定带宽的均值漂移算法在彩色图像分割过程中容易破坏目标区域完整性以及存在将样本同等看待的问题,提出了自适应带宽的均值漂移彩色图像预分割算法。传统的均值漂移彩色图像分割方法不能根据图像像素点颜色和空间分布等特征自适应选取带宽,本文在传统均值漂移图像分割研究的基础上,采用像素点近邻域的知识来自动计算图像分割的自适应带宽值,并且通过标准化的欧式距离来修正均值漂移算法欧式距离的不足。实验结果表明,该算法比传统的均值漂移算法在图像分割方面有更好的分割效果。(2)针对GrowCut算法图像分割需要用户交互种子标记的问题,本文提出了融合自适应均值漂移和显著性检测的自动生成种子模板方法。传统人工标记种子点带有主观性和不确定性会直接影响GrowCut算法的迭代速度和分割效果,难以实现快速准确的自动分割。本文通过自适应带宽均值漂移算法对彩色图像直接进行预分割,聚类合并图像的空间相似区域以增强图像表征特性,然后通过显著性边缘检测和形态学操作的方法自动标记种子区域,提高了种子点获取的效率。实验表明:该方法克服人工图像种子点标记的局限性,充分利用彩色图像的像素空间和颜色信息,提高了彩色图像的分割速度和准确性。(3)本文首先采用分析法从算法原理和分割性能角度对提出的方法进行评价,与传统的GrowCut、固定带宽均值漂移(FMS)、自适应带宽均值漂移(AMS)和均值漂移的归一化切割(MSNCut)等彩色图像分割方法进行分析对比;然后使用实验方法进行分割结果比较。实验表明:本文提出的方法充分考虑了彩色图像目标区域分割的完整性,能够实现对彩色图像的自动分割,分割效率较为满意,有效验证了提出的方法有效性和准确性。