基于隨機游走的圖像分割相關(guān)算法研究.pdf

1、圖像分割作為圖像處理的重要組成部分，對計算機視覺的發(fā)展具有舉足輕重的作用。圖像分割技術(shù)是將感興趣的目標(biāo)物體從圖像中提取出來的技術(shù)，并廣泛應(yīng)用于圖像分析、圖像檢索、圖像識別等人工智能領(lǐng)域。在自然圖像中存在很多復(fù)雜的顏色、紋理特征，這也使得圖像分割技術(shù)在面對自然圖像時難以分割出目標(biāo)物體，特別是在弱邊界和紋理圖像中，不能取得令人滿意的效果。隨機游走(Random Walks,RW)算法是一種基于圖的半自動分割方法，隨機游走在抗噪聲、弱邊界、邊

2、界缺失等方面有著不錯的效果，同時擁有分割速度快、無需迭代、易擴展到多維空間中的優(yōu)勢，重啟型隨機游走(Random Walks with Restart,RWR)算法是在隨機游走算法的基礎(chǔ)上增加一個返回起始點的重啟概率。
　　但是，目前重啟型隨機游走算法的重啟概率都是基于經(jīng)驗值設(shè)定的，且隨機游走算法本身對種子的數(shù)量和位置較為敏感。本文通過對隨機游走理論和圖像分割技術(shù)的深入研究，提出一種基于自適應(yīng)重啟型隨機游走的交互式圖像分割方法。具

3、體工作如下：
　　1.研究現(xiàn)有的圖像分割技術(shù)，并對其進行分類和簡要介紹，比較它們之間的優(yōu)缺點。
　　2.研究基于Graph-Cut、基于邊緣、基于區(qū)域的幾種交互式圖像分割方法，以及隨機游走理論和重啟型隨機游走理論。
　　3.利用Pulse-Coupled Neural Network(PCNN)邊緣檢測方法，改進重啟型隨機游走中對重啟概率預(yù)先設(shè)定的方式，使用自適應(yīng)的參數(shù)值代替預(yù)設(shè)值。
　　4.結(jié)合生成學(xué)習(xí)算法，將