基于超像素聚類的圖像分割算法研究.pdf

1、隨著人類社會的發(fā)展，科學技術(shù)的進步，人們每天都要處理大量來自測量或觀察到的信息數(shù)據(jù)，以備進一步的管理和使用。圖像在人類接受、處理和傳遞信息的過程中起著重要作用，也是人類最重要和最有效的信息獲取及交流方式。圖像分割是處理圖像信息的一種重要技術(shù)，圖像分割將輸入圖像分割成若干有意義的目標區(qū)域，從而滿足人們在各種情況下的需求和應(yīng)用。傳統(tǒng)的圖像分割方法大部分是針對像素進行，即描述每個像素點的顏色、紋理、梯度等信息，這樣分割得到的結(jié)果往往會過于碎片

2、化。為了能夠更好的描述圖像的區(qū)域信息，超像素方法被引入到圖像分割中，它能夠更好的符合人類理解圖像的視覺特性。
　　本文的主要工作是利用超像素方法對圖像進行預(yù)分割，然后再引入近鄰傳遞聚類算法和密度峰值聚類算法對超像素進行聚類合并，最終實現(xiàn)對圖像的分割。本文的方法不僅取得了很好的分割結(jié)果，還有效解決了聚類分割算法計算量大的問題。本文的具體工作如下：
　　1.本論文首先介紹了傳統(tǒng)的圖像分割方法，分析了傳統(tǒng)方法的優(yōu)劣。闡述了超像素方

3、法提出的意義，總結(jié)了目前比較流行的超像素分割方法，使用三種常用的超像素分割方法進行對比實驗，通過實驗本文選擇均值漂移算法作為超像素處理的方法。
　　2.針對近鄰傳遞聚類算法計算時間長、計算復雜度高而難以應(yīng)用于大規(guī)模圖像處理的問題，提出了基于超像素的近鄰傳遞聚類分割算法。首先對圖像進行預(yù)分割，并計算得到的超像素塊之間的相似度，從而構(gòu)成近鄰傳遞聚類算法的相似度矩陣。由于使用超像素塊來代替像素點，有效地減小了相似度矩陣的規(guī)模，極大的提高

4、了算法的速度。通過在伯克利分割數(shù)據(jù)庫上的實驗證明該算法取得了很好的分割效果。
　　3.針對密度峰值聚類算法計算復雜度高而難以直接應(yīng)用于圖像分割的問題，同時為了彌補產(chǎn)生超像素的方法是局部算法，提出了基于超像素的密度峰值聚類分割算法。首先對圖像進行預(yù)分割，并計算得到的每一個超像素塊的決策值，建立密度峰值聚類決策圖，對使用超像素方法預(yù)分割后的圖像實現(xiàn)全局的聚類合并。為了解決算法超參數(shù)的設(shè)置問題，通過引入位平面估計圖像復雜度的方法實現(xiàn)對算