基于信息瓶颈的图像分割算法研究

摘要

图像分割技术在图像处理领域一直以来都得到了广大研究人员的关注,它是从图像处理到图像分析过程中的一个关键环节,图像分割的质量直接影响到后期对图像分析的结果。传统的图像分割方法往往需要用户有着丰富的先验知识,并且可能陷入局部最优解,本文将信息瓶颈(Information Bottleneck,IB)方法引入到图像分割过程中,提出了一种新的图像分割方法ISIB算法,有效的解决了传统图像分割过程中出现的一些问题。
　　 本文旨在通过使用IB方法对灰度图像进行处理,利用IB方法能够对原数据进行有效压缩的这一特点对图像数据进行分割。在对图像进行分割之后,得到的图像区域作为原图像数据的压缩代表应该尽可能多的包含原图像的相关信息,即压缩代表和相关变量之间的互信息应该足够大;同时划分后的图像区域大小又应该尽量的小,使压缩足够充分,即原数据和压缩代表之间的互信息应足够小。这样“一大一小”就形成了一个信息瓶颈,利用该信息瓶颈对图像进行有效的分割是本文的核心思想。根据这一思想,本文提出了ISIB图像分割算法,将传统的图像分割分解成为两个阶段:对图像的划分阶段和对划分后的图像碎片合并阶段。在这两个阶段中,使用不同的IB算法来保证整个分割过程中的信息平衡问题。大量的实验结果表明:本文提出的ISIB算法在对图像处理时能够避免传统算法中易受噪声点影响、易陷入局部最优解的问题,ISIB算法从全局的角度看待整幅图像,并对图像进行分割处理,在分割效果上具有明显的优势。