圖切交互式彩色圖像分割算法研究.pdf

1、圖像分割在圖像處理領(lǐng)域起著極其關(guān)鍵的作用，在所有技術(shù)中它是最基礎(chǔ)的技術(shù)之一。可以這樣理解圖像分割技術(shù)，對原始圖像進行分塊，分成若干個區(qū)域，它們之間互相不重疊，每個區(qū)域之間有自己的特性，以便進行后續(xù)分析和處理。其應(yīng)用跨越各種領(lǐng)域，具有代表性的領(lǐng)域包括人工智能、模式識別、計算機視覺等。
　　傳統(tǒng)人工圖像分割由于存在很多缺點，例如既耗費人力又耗費大量的時間，因此不能滿足日益提高的要求。自動分割雖然在很大程度上提高了分割效率，但是由于計算

2、機人工智能水平還不夠高，所以常常無法取得讓人感到滿意的分割效果。而交互式圖像分割的特點將這兩種方法進行結(jié)合，保留優(yōu)點并有效地彌補各自的缺點，利用使用者的主觀認識作為先驗知識來指導(dǎo)分割。用該方法的好處相比于傳統(tǒng)算法而言，分割結(jié)果更加準(zhǔn)確和細致，不需要耗費太多人力和時間，分割效率也顯著提高。本學(xué)位論文對交互式圖像分割的產(chǎn)生背景進行簡單介紹，分析了以圖理論為基礎(chǔ)的圖像分割算法的原理及其使用范圍。在此基礎(chǔ)上，本學(xué)位論文的研究內(nèi)容大致可以歸結(jié)成以

3、下幾點：
　　1.把圖切能量函數(shù)作為基礎(chǔ)，用像素的方差局部系數(shù)引入圖像的鄰域信息，用于對彩色圖像進行分割，從而形成另外一種邊界懲罰項的定義方式。使得相鄰像素的相似性程度不僅取決于像素自身的空間位置信息，彩色信息，也還要取決于每個像素所對應(yīng)的局部窗口的鄰域信息。然后采用Boykov和Kolmogorov提出的標(biāo)準(zhǔn)最大流/最小割（maxflow/mincut）方法最小化這個能量函數(shù)，也就是尋找圖像所映射成的圖的最小割，由這個最小割來得

4、到圖像的最終分割結(jié)果，使得到的目標(biāo)邊緣更加清晰。
　　2.以圖切能量函數(shù)作為背景，將該函數(shù)中的區(qū)域懲罰項和邊界懲罰項作為兩個待優(yōu)化的目標(biāo)函數(shù)，采用多目標(biāo)優(yōu)化的方法，得到圖像的最終分割結(jié)果。其中多目標(biāo)優(yōu)化方法采用目前為止效果較好的非支配排序遺傳算法的改進算法（Non-dominated Sorting Genetic Algorithm II，NSGA-II）。圖切能量函數(shù)中的權(quán)衡參數(shù)λ決定了區(qū)域懲罰項和邊界懲罰項對分割結(jié)果的影響程