基于隨機(jī)游走算法的圖像分割方法研究.pdf

1、圖像分割指的是利用圖像的某些低維視覺(jué)特征，按照一定的相似性準(zhǔn)則將圖像劃分為一系列彼此互不重疊的勻質(zhì)區(qū)域，并將感興趣目標(biāo)分離出來(lái)的技術(shù)和過(guò)程。該技術(shù)是特征提取和目標(biāo)識(shí)別等眾多高層應(yīng)用的基礎(chǔ)，因此被廣泛應(yīng)用于通信、軍事、遙感、氣象、醫(yī)學(xué)、智能交通、農(nóng)業(yè)及工業(yè)自動(dòng)化檢測(cè)等諸多領(lǐng)域。然而，由于物質(zhì)的復(fù)雜性、多樣性和隨機(jī)性等特點(diǎn)，加之人類(lèi)缺乏對(duì)視覺(jué)系統(tǒng)的深層認(rèn)知以及圖像分割算法本身所具有的“病態(tài)”性質(zhì)，迄今為止，尚未有十分成熟的分割方法能夠滿(mǎn)足各

2、種不同應(yīng)用環(huán)境的需求。因此，深入研究圖像分割技術(shù)，設(shè)計(jì)準(zhǔn)確高效且具有普遍適用性的分割算法，對(duì)促進(jìn)圖像處理和計(jì)算機(jī)視覺(jué)的發(fā)展具有十分重要的意義。
　　傳統(tǒng)的自動(dòng)圖像分割方法由于缺乏圖像的先驗(yàn)信息，很難取得理想的分割結(jié)果，在實(shí)際應(yīng)用中有著很大的局限性。近年來(lái)，交互式的圖像分割方法由于融入了用戶(hù)的經(jīng)驗(yàn)知識(shí)和主觀要求，可以更加準(zhǔn)確而細(xì)致地提取出目標(biāo)對(duì)象的輪廓，正在變得越來(lái)越主流。然而，該類(lèi)算法的分割效果在很大程度上依賴(lài)于用戶(hù)提供的先驗(yàn)信息

3、，且人工交互過(guò)程費(fèi)時(shí)費(fèi)力，這在一定程度上限制了交互式分割算法的實(shí)時(shí)性和可用性。針對(duì)上述問(wèn)題，本論文圍繞基于圖論的交互式圖像分割算法展開(kāi)研究，重點(diǎn)研究了顯著性檢測(cè)方法與基于圖論的交互式隨機(jī)游走算法相結(jié)合的自動(dòng)圖像分割算法，并提出了基于熵率超像素分割的顯著性檢測(cè)方法。此外，結(jié)合多尺度非線性結(jié)構(gòu)張量、矩陣、維數(shù)約簡(jiǎn)、流形學(xué)習(xí)等技術(shù)優(yōu)勢(shì)和數(shù)學(xué)理論，提出了新的特征建模方法，并將其運(yùn)用于自動(dòng)圖像分割和交互式多類(lèi)目標(biāo)分割算法，取得了令人滿(mǎn)意的分割結(jié)果

4、。本論文的創(chuàng)新性研究成果可歸納為如下幾個(gè)部分:
　　首先，本文提出了一種基于熵率超像素分割的視覺(jué)顯著性提取方法。針對(duì)現(xiàn)有的顯著性方法中存在的效率比較低以及效果比較差等問(wèn)題，本文首先對(duì)輸入的原始圖像進(jìn)行熵率超像素分割，以便保留圖像相關(guān)的局部結(jié)構(gòu)同時(shí)去除不必要的細(xì)節(jié)，然后以超像素為單元計(jì)算全局對(duì)比度，得到超像素區(qū)域的顯著性值。基于熵率超像素的顯著性檢測(cè)方法不僅可以一致高亮整個(gè)目標(biāo)區(qū)域，并可以清晰地指明物體的輪廓。
　　其次，針對(duì)

5、傳統(tǒng)交互式隨機(jī)游走算法費(fèi)時(shí)費(fèi)力且分割效果易受先驗(yàn)信息影響的問(wèn)題，本文提出了融合顯著性種子點(diǎn)和交互式隨機(jī)游走算法的自動(dòng)圖像分割方法。具體地，算法首先通過(guò)基于熵率超像素分割的視覺(jué)顯著性提取方法和近鄰傳播聚類(lèi)算法自動(dòng)得到前、背景種子點(diǎn)信息。然后將獲取的顯著性種子點(diǎn)作為啟發(fā)信息，代替人工交互，使用交互式隨機(jī)游走算法實(shí)現(xiàn)全自動(dòng)分割。然而，由于提取到的種子點(diǎn)有錯(cuò)誤標(biāo)記現(xiàn)象，因此，本文利用Grabcut算法對(duì)取得的種子點(diǎn)進(jìn)行修正，它通過(guò)迭代機(jī)制進(jìn)行參

6、數(shù)的更新和學(xué)習(xí)。此外，為了提高算法的分割效果，我們提出了一種將局部近鄰的L*a*b*顏色信息、多尺度非線性結(jié)構(gòu)張量紋理信息以及空間位置信息通過(guò)協(xié)方差矩陣有機(jī)結(jié)合的新的特征描述算子。
　　最后，進(jìn)一步提出了通過(guò)協(xié)方差矩陣將局部近鄰的顏色、緊致的多尺度非線性結(jié)構(gòu)張量紋理以及空間信息相結(jié)合的特征描述算子，并將其用于交互式多目標(biāo)圖像分割算法的研究。多尺度非線性結(jié)構(gòu)張量具有全方向和多尺度的紋理描述能力，然而，將其拆分成一系列標(biāo)量形式的獨(dú)立分