基于超像素和图割理论的自动图像分割方法研究

摘要

图像分割技术是模式识别、图像分析以及计算机视觉等图像处理领域的重要组成部分，其研究受到了国内外众多学者的关注。图像分割是指利用图像所包含的信息和用户给定的条件，将图像分割成具有不同特性的区域，并从中提取出图像目标的过程。近年来，图像分割技术成为图像处理的研究热点，越来越多的学术理论被应用到图像分割中，基于图论的交互式分割算法Graph Cuts便是其中之一。为了进一步准确的进行目标分割，星形先验信息被添加进Graph Cuts的分割过程中。然而，交互式算法完成大量图片的分割费时费力，因此越来越多的研究者将目光投向了自动化的图像分割算法。本文设计了一种自动图像分割算法，通过将超像素算法和显著性算法获取的特征点应用到星形先验算法中，完成图像的自动化分割。文章的主要研究内容如下:
　　首先概括了图像分割算法的研究背景及研究意义，介绍了图像分割技术的研究现状。
　　其次详细介绍了星形先验分割算法，包括单星形和多星形，并给出结合形状先验理论的Graph cuts算法框架。
　　提出了自动前景标记和背景标记的获取。通过显著性算法对超像素算法获取的图像特征点进行分类，将分类后的特征点分别作为结合星形先验的Graph cuts算法的前景标记和背景标记，从而将引入星形先验的Graph cuts算法扩展成自动图像分割算法。
　　最后对提出的算法进行大量的对比实验，通过实验可以看出，本文算法在分割精度，减小分割误差以及稳定性方面具有良好的分割性能。

目录

声明

摘要

第一章 绪论

1．1 研究的背景及意义

1．2 图像分割的研究现状

1．2．1 基于梯度的分割算法

1．2．2 基于区域的分割算法

1．2．3 基于特定理论的分割方法

1．3 论文结构安排

第二章 引入星形先验的图分割理论

2．1 引言

2．2 图分割理论

2．2．1 图论分韵

2．2．2 图论算法分类

2．3 形状先验图分割算法

2．4 小结

第三章 前景点和背景点的自动提取

3．1 引言

3．2 超像素算法分类简介

3．2．1 基于图论算法

3．2．2 基于梯度下降算法

3．2．3 SLIC超像素提取特征点算法

3．3 特征点的分类

3．4 小结

第四章 实验对比及分析

4．1 实验参数的设置

4．2 定性对比实验

4．3 定量对比实验

4．4 小结

第五章 总结与展望

参考文献

攻读学位期间发表的学术论文

致谢