图像中显著对象分割方法的研究

摘要

随着网络的普及，图像在互联网上以惊人的速度增长着，同时利用手机和PDA等移动设备下载图像观赏也成为一种潮流。但是由于受显示屏幕大小的限制和网络带宽等因素的影响，图像的显示效果还远不能满足使用者的要求。如果能将图像中的显著对象分割出来再编码，或改变对象和背景的显示比例等，则可以明显提高图像的显示效果。 本文研究了基于视觉关注度的显著对象分割方法，分别研究了对一般有主题图像和低景深图像中显著对象的分割。首先提出了一种对一般的有主题图像中显著对象的分割方法，利用核密度估计方法结合区域合并得到图像的区域分割结果，然后分别对区域间的颜色、纹理和空间位置的差异进行建模并得到各自的特征矩阵；最后融合多个特征得到候选的显著对象的重要性指标，并结合显著对象的面积特征自适应地提取出一个个显著对象。大量的实验结果证明了本方法的有效性。 接着提出了一种低景深图像中的显著对象分割方法，主要利用图像中的高频信息在聚焦和散焦区域中分布不均匀的这一特性作为分割线索。首先将原始图像映射到能量空间中并得到能量聚焦显著图；然后结合分水岭分割方法得到的区域分割结果计算出边界显著图和区域显著图，并使用自适应阈值对边界显著图处理得到初始对象掩模；为了改善对象掩模的精度和完整性，接下来对初始对象掩模进行边界线延拓；最后利用形态学处理得到三值图，并使用贝叶斯羽化方法以获得准确的对象分割结果。对大量低景深图像的实验，证明了本方法良好的分割效果。

目录

文摘

英文文摘

声明

第一章绪论

1.1 课题来源

1.2 课题研究的目的和意义

1.3 对象分割方法的应用

1.4 论文的主要研究内容和安排

第二章相关研究方法概况

2.1 图像分割方法

2.1.1 阈值分割法

2.1.2 边缘分割法

2.1.3 区域分割法

2.1.4 分水岭分割方法

2.1.5 核密度估计方法

2.1.6 Mean Shift方法

2.1.7 图像分割的客观评价标准

2.2 对象分割方法

2.2.1 一般有主题图像中的显著对象分割

2.2.2 低景深图像中的显著对象分割

2.2.3 交互式对象分割

2.3 本章小结

第三章基于核密度估计和多特征融合的显著对象分割

3.1 基于核密度估计的图像分割

3.1.1 图像量化

3.1.2 区域合并

3.2 显著对象提取

3.2.1 特征提取

3.2.2 候选的显著对象

3.2.3 特征融合

3.2.4 自适应提取

3.3 实验结果和分析

3.4 本章小结

第四章低景深图像的显著对象分割

4.1 显著图生成

4.1.1 能量聚焦显著图

4.1.2 边界/区域显著图

4.2 边界线延拓

4.3 对象提取

4.3.1 形态学处理三值图

4.3.2 贝叶斯羽化

4.4 实验结果和分析

4.5 本章小结

第五章总结与展望

5.1 总结

5.2 展望

参考文献

作者在攻读硕士学位期间公开发表的论文

作者在攻读硕士学位期间所作的项目

致谢