形態(tài)學分水嶺結(jié)合譜聚類的圖像分割算法.pdf

1、圖像分割是指將圖像分成互不重疊、有意義的區(qū)域。它是圖像處理到圖像分析的中間步驟,同時也是計算機視覺研究中從低級視覺到高級視覺的連接紐帶。譜聚類圖像分割算法是人們研究的熱點,目前已經(jīng)研究出許多的基于譜聚類的圖像分割算法,其中規(guī)范化割(Normalized cut)算法的應用最為廣泛。規(guī)范化割(Normalized cut)算法準則是一個尋求全局優(yōu)化解的準則,但是該算法在運行時存在高昂的計算復雜度和巨大的內(nèi)存需求。分水嶺算法是一種非監(jiān)督的圖

2、像分割算法,該算法的優(yōu)點是收斂速度快、分割出的邊界連續(xù)且封閉,對微弱邊緣也有較好的分割效果。然而,分水嶺算法的不足之處在于容易產(chǎn)生過分割現(xiàn)象且對噪聲敏感。
　　針對規(guī)范化割(Normalized cut)算法以及分水嶺算法各自的特點,本文設計了一種形態(tài)學分水嶺結(jié)合譜聚類的圖像分割算法來減少計算量以及噪聲的干擾,在此過程中,本文的主要研究內(nèi)容為以下幾方面:
　　(1)分析了分水嶺算法,其中包括浸入式分水嶺算法的物理模型以及算法

3、步驟,分析給出分水嶺算法存在過分割以及對噪聲敏感的問題,并通過模擬仿真驗證分析的結(jié)論。闡述了圖的相關(guān)基礎理論,介紹了基于圖的五種圖像分割準則,隨后推導出規(guī)范分割準則(Normalized cut)的求解過程以及2路規(guī)范割算法和K路規(guī)范割算法,最后給出了K路規(guī)范割算法中需要用到的K均值算法的流程。
　　(2)針對分水嶺算法存在的對噪聲敏感以及過分割的問題,對經(jīng)典分水嶺采用閾值形態(tài)學的方法進行改進,減小了經(jīng)分水嶺算法過后的“區(qū)域”數(shù)目

4、,最后對圖像的“分水嶺”處進行邊界分配。我們將這些分割后的“區(qū)域”用該“區(qū)域”的中心點來表示,稱之為區(qū)域像素點。構(gòu)造一幅無向加權(quán)圖來描述這些區(qū)域像素點之間的關(guān)系,計算區(qū)域像素點之間的相似性時,灰度高斯核函數(shù)尺度因子以及距離高斯核函數(shù)尺度因子不需要手動設定,分別用區(qū)域灰度差的方差以及距離的方差來替代。
　　(3)對于構(gòu)造的無向加權(quán)圖,利用規(guī)范割(Normalized cut)算法聚類,對圖像進行K路規(guī)范割算法聚類時,對傳統(tǒng)K均值算法