融合顯著性與Graph Cut的自然場(chǎng)景圖像分割.pdf

1、隨著成像設(shè)備以及計(jì)算機(jī)科學(xué)技術(shù)的發(fā)展，自然場(chǎng)景圖像的分析處理具有重大的學(xué)術(shù)價(jià)值和應(yīng)用意義。論文以自然場(chǎng)景圖像為研究對(duì)象，對(duì)視覺注意模型和圖論分割算法進(jìn)行了深入研究和分析，取得了如下成果：
　　 (1)由于光照、地形及運(yùn)動(dòng)等多種環(huán)境因素的影響，使得室外自然場(chǎng)景具有非結(jié)構(gòu)化、多樣性、隨機(jī)性和復(fù)雜性的特性，這些復(fù)雜的特性致使自然場(chǎng)景圖像的分析與處理更加困難，因此論文引入視覺注意模型，利用色調(diào)、飽和度等暖色增益，計(jì)算得到待分割對(duì)象所在的

2、顯著區(qū)域，獲得待分割對(duì)象所在的候選矩形區(qū)域，借以削弱這些復(fù)雜因素的影響。該矩形區(qū)域的獲得為GraphCut提供了自動(dòng)標(biāo)注，取消了人工交互。同時(shí)，為了降低后續(xù)Graph Cut的分割耗時(shí)，并保證分割對(duì)象的完整性，論文對(duì)該矩形顯著區(qū)域進(jìn)行了進(jìn)一步擴(kuò)充，并將擴(kuò)充后的矩形區(qū)域作為輸入圖像，進(jìn)行后續(xù)分割。
　　 (2)傳統(tǒng)的圖論分割算法以像素點(diǎn)作為節(jié)點(diǎn)構(gòu)造加權(quán)圖，構(gòu)造的相似度矩陣與圖像分辨率成正比，大大影響了算法效率，因此，本文在分析原分

3、水嶺算法的基礎(chǔ)上，提出了一種新的基于邊緣距離的Watershed預(yù)分割方法。該方法分析了自然場(chǎng)景圖像復(fù)雜性的特點(diǎn)，對(duì)原始圖像進(jìn)行平滑處理，以邊緣像素與非邊緣像素之間的距離作為約束，重構(gòu)梯度圖，利用Watershed變換進(jìn)行預(yù)分割，在保持局部信息的情況下，有效的減少了分水嶺變換后的區(qū)域個(gè)數(shù)。
　　 (3)為了降低圖像分割的處理時(shí)間，本文用分水嶺算法預(yù)分割后的子區(qū)域（超像素）取代像素點(diǎn)，映射為Graph Cut加權(quán)圖中的頂點(diǎn)，以區(qū)域