基于隨機(jī)游走的圖像分割技術(shù)研究.pdf

1、圖像分割是將圖像分成互不相交、各具特性的區(qū)域并能提取出感興趣目標(biāo)的過程和技術(shù),是從圖像處理到圖像分析的關(guān)鍵步驟,其分割質(zhì)量直接影響到后期的圖像分析、理解和識(shí)別的質(zhì)量。圖像分割在醫(yī)學(xué)、體育、軍事、智能交通、工業(yè)產(chǎn)品檢測(cè)、計(jì)算機(jī)視覺都有廣泛的應(yīng)用。
　　近年來,人工交互的圖像分割算法由于其突出的優(yōu)勢(shì)受到了研究人員的廣泛關(guān)注,隨機(jī)游走(Random Walks)是一種典型的基于圖論的半自動(dòng)分割算法。隨機(jī)游走圖像分割算法運(yùn)算速度快,分割結(jié)

2、果好,特別是在處理含有強(qiáng)噪聲的圖像、弱邊界或缺失邊界、有模棱兩可的區(qū)域時(shí)顯示了突出優(yōu)勢(shì),因此,隨機(jī)游走是一種有效的圖像分割算法,近年來也取得了一定的研究成果。
　　本文對(duì)基于隨機(jī)游走的圖像分割算法進(jìn)行了較為深入的研究,主要開展了以下幾個(gè)方面的工作:
　　1)基于降雪模型的改進(jìn)隨機(jī)游走算法
　　為了減少噪聲對(duì)圖像分割結(jié)果的不利影響,引入了模擬降雪的思想來對(duì)圖像進(jìn)行預(yù)處理。用數(shù)字自適應(yīng)高斯核來實(shí)現(xiàn)簡(jiǎn)單的降雪模型,即根據(jù)圖像

3、的特征信息來不斷調(diào)整核函數(shù)的大小、方向和形狀,實(shí)現(xiàn)自適應(yīng)的曲面進(jìn)化,從而達(dá)到在不損失豐富的邊緣信息又能很好地抑制噪聲的預(yù)處理目的。同時(shí),考慮到傳統(tǒng)的隨機(jī)游走算法是根據(jù)圖像的灰度信息來計(jì)算映射圖的邊的權(quán)重,因此其在處理復(fù)雜圖像時(shí),易造成一些錯(cuò)分割和漏分割現(xiàn)象,而新方法在計(jì)算邊緣權(quán)重時(shí)融入了圖像的梯度信息,以提高算法的魯棒性。
　　2)基于支持度變換的隨機(jī)游走算法
　　將支持度變換與隨機(jī)游走圖像分割算法相結(jié)合,提出了一種改進(jìn)的隨

4、機(jī)游走算法。在支持向量機(jī)的理論框架下,先由映射最小二乘支持向量機(jī)(map LS-SVM)推導(dǎo)出支持度濾波器,再在基本支持度濾波器中填充零而得到一系列多尺度支持度濾波器,然后將原圖像與這些支持度濾波器進(jìn)行卷積運(yùn)算(即為支持度變換,Support Value Transform, SVT),這樣就得到原圖像的顯著特征的一系列圖像,最后綜合圖像的灰度信息和這些顯著特征來確定隨機(jī)游走算法的權(quán)值大小,從而實(shí)現(xiàn)圖像分割,提高了算法的準(zhǔn)確度。

5、　　3)基于模糊C均值聚類的自動(dòng)標(biāo)記隨機(jī)游走算法
　　為使隨機(jī)游走算法能使用于實(shí)時(shí)性要求較高的場(chǎng)合,提出一種基于模糊C均值聚類的自動(dòng)標(biāo)記隨機(jī)游走算法,用FCM的預(yù)分割得到的聚類數(shù)目和聚類中心作為隨機(jī)游走的種子點(diǎn)的先驗(yàn)知識(shí),實(shí)現(xiàn)圖像分割,從理論上和實(shí)驗(yàn)都可以證明這一方法的有效性。
　　本文結(jié)合降雪模型的顯著優(yōu)勢(shì),針對(duì)圖像中的強(qiáng)噪聲,提高了算法的抗噪性能,結(jié)合了支持度變換,提高了算法的抗噪和檢測(cè)弱邊界的能力,用FCM來選取隨機(jī)游