基于改进GrowCut算法的彩色图像分割方法研究

摘要

随着互联网技术与成像技术的不断发展，彩色图像分割成为人们日常生活需求的一项新技术，相应的越来越受人们关注。目前，图像分割方法主要向快速、自动、精确、健壮等方向发展。自适应化、最优化、自主学习分割将是图像分割领域追求.的新热点。近年来，彩色图像分割领域虽不断涌现新方法，但仍旧无法满足实际应用的需要。因此通过对图像分割进行深入的研究，完善已有方法，研究更加新颖有效的方法，或将多种方法综合运用，优势互补用于图像处理具有重要意义。
　　GrowCut算法是基于细胞自动机理论的交互式图像分割方法，它拥有较强鲁棒性，可作用于任意维图像，能够解决较难分割的任务，近年来因其自身的优势备受关注。本文通过对GrowCut算法及其相关理论的研究，将原来对灰度图像的交互分割上升到对彩色图像的自动分割。主要内容概括如下:
　　(1)基于彩色图像分割的理论研究的基础，系统阐述GrowCut分割方法的基本原理与相关理论，依据仿真实验结果，分析利用GrowCut算法进行图像分割的优越性与局限性，并提出几种优化方案，为下文的研究打下理论基础。
　　(2)针对传统GrowCut算法分割图像时，不仅需要用户交互操作，而且带有一定的主观性和不确定性，难以实现准确自动分割。本文提出一种基于阈值和形态学预处理的GrowCut自动分割算法—TMGC算法。该算法采用Otsu阈值法划分前景和背景，形态学重建产生初始种子模板，再运用优化的细胞自动机迭代算法获取最终分割结果。简化用户操作实现自动分割，实验结果显示分割精度和速度都有明显提高。
　　(3)研究并实现基于二次分水岭和GrowCut算法相结合的彩色图像分割算法—SWGC算法。针对传统GrowCut算法及TMGC算法需将图像类型由彩色变换为灰度，且对图像前、背景的复杂度和相似度要求偏高，本章提出SWGC算法。首先采用二次分水岭对输入图像预处理，经过Canny边缘检测、特征空间选择、马氏距离标记等操作进行区域合并，运用局部优化的GrowCut实现最终准确分割。该方法将分割对象由灰度图像上升到彩色图像，通过两种算法的高效结合、优势互补提高GrowCut算法性能。
　　(4)从性能刻画和性能比较两个方面对本文所提出的算法进行评价，首先从算法的原理和性能出发，采用分析法对比GrowCut相关算法;然后采用实验方法分别将TMGC算法和SWGC算法与其相关算法进行相比分析，结果表明本文提出的算法在运行效率和分割效果方面性能更好。

目录

声明

摘要

第一章 绪论

1．1 课题研究背景与意义

1．2 图像分割的研究现状

1．3 GrowCut算法的研究现状

1．4 论文主要工作

1．5 论文结构安排

第二章 彩色图像分割

2．1 图像分割简介

2．2 彩色图像分割概述

2．3 彩色图像分割方法

2．3．1 基于边缘的分割技术

2．3．2 基于区域的分割技术

2．3．3 基于图论的分割技术

2．4 图像分割算法评价

2．4．1 评价方案和要求

2．4．2 图像分割算法评价法则

2．5 本章小结

第三章 基于GrowCut算法的彩色图像分割

3．1 交互式图像分割

3．2 GrowCut算法概述

3．2．1 细胞自动机理论

3．2．2 GrowCut算法思想

3．2．3 GrowCut迭代生长

3．3 GrowCut图像分割

3．3．1 GrowCut种子模板

3．3．2 GrowCut结果与改进

3．3．3 GrowCut算法总结

3．4 对比三种交互方法

3．5 本章小结

第四章 基于阈值和形态预处理的GrowCut分割算法

4．1 阈值分割

4．2 形态学处理

4．2．1 形态学基础

4．2．2 形态学重建

4．3 基于标记提取的GrowCut自动分割算法

4．3．1 生成初始种子模板

4．3．2 迭代过程优化

4．3．3 TMGC算法实现

4．4 实验的结果和分析

4．5 本章小结

第五章 基于二次分水岭和GrowCut算法的彩色图像分割

5．1 图像缩放

5．2 分水岭算法

5．2．1 分水岭算法概述

5．2．2 彩色图像梯度描述

5．3 二次分水岭和GrowCut相结合的彩色图像分割算法

5．3．1 二次分水岭预分割

5．3．2 区域合并

5．3．3 GrowCut算法的优化

5．3．4 SWGC算法描述

5．4 实验结果及对比分析

5．5 本章小结

六章 总结与展望

6．1 论文总结

6．2 下一步工作

参考文献

致谢

在学期间发表的学术论文