Live Wire图像分割方法的改进研究

摘要

图像分割一直是图像处理中的基础研究，也是其中的核心研究。图像分割结果常用于目标检测、目标跟踪、机器学习、三维重建等算法中，其做为目标特征的一种表示，分割结果的好坏直接影响这些算法的准确性，因此图像分割一直是图像处理中的重点和热点。但是由于图像内容的多样性以及对图像中目标选取的主观性，使得图像分割一直都是图像处理中的难点。从是否有人工参与的角度可以将图像分割分成两类：自动化分割和交互式分割。当前基于交互式图像分割主要缺点有：（1）算法通用性不强。（2）用户交互的友好性问题。
　　为了进一步改进交互式图像分割算法，本文以Live Wire算法为研究基础，对其算法的准确性和适用范围进行改进，并通过实验证明了改进算法的有效性。本文完成的工作如下：
　　1) Live Wire分割方法的参数训练研究。针对当前Live Wire算法中不同特征函数采用统一的权重的不足，提出了一种基于学习的方法，对于不同的分割图像计算出一组最优的权重值，使图像分割结果更加准确。
　　2)针对当前Live Wire算法中特征函数不能很好的处理包含纹理特征的图像，在其算法中引入了纹理梯度、颜色梯度、方向能量信息特征函数。使得Live Wire算法对于不同图像边缘的表征更为准确，并且纹理梯度的引入，可以使其更好的适应包含纹理特征的图像分割。

目录

封面

声明

中文摘要

英文摘要

目录

1 绪论

1.1 选题的依据与意义

1.2 国内外文献资料综述

1.3 本文的主要研究内容及结构安排

2 相关理论基础介绍

2.1 边缘检测算法

2.2 特征值归一化

2.3 最短路径算法

2.4 本章小结

3 Live Wire分割方法的参数训练研究

3.1 Live Wire算法

3.2 基于学习方法的权值训练

3.3 改进的Live Wire算法

3.4 实验设计与评价

3.5 本章小结

4 基于亮度、颜色、纹理特征的Live Wire分割算法

4.1 亮度梯度

4.2 彩色梯度[40]

4.3 纹理梯度

4.4 BCT_Live Wire算法

4.5 实验设计与评价

4.6 本章总结

5 总结与展望

5.1 本文工作总结

5.2 工作展望

参考文献

致谢

附录：攻读硕士学位期间发表的部分科研成果