基于图论的彩色图像分割算法研究

摘要

图像分割是图像处理领域的一个重要分支,其结果对图像分析、图像理解和计算机视觉有着重要意义,属于图像处理领域的底层研究。随着数学理论的深入研究与应用,图论作为数学领域的一个分支,被广泛的应用在各个领域,如编码理论、随机过程、可靠性理论、计算机的程序设计、经济学、遗传学等方面。近些年随着图像分割技术的研究与发展,图论在图像分割领域也得到了很好应用,出现了大量基于图论的图像分割算法,取得了良好的分割效果。
　　本文对图论法在图像分割中的应用进行了研究,重点对基于图论的图像分割算法进行深入的分析,主要工作内容及创新点如下:
　　首先,详细阐述了图像分割的国内外研究现状,对图论法在图像分割中的应用情况进行介绍说明,并对基于图论的三种图像分割准则(算法)进行了深入研究,对比分析了三者的优缺点。同时,分别对概率边缘指数(Probabilistic Rand Index,PRI)、变换信息量(Variation Of Information,VOI)和全局一致性误差(Global Consistency Error,GCE)三种图像分割算法性能评价指标的理论及应用进行了研究,便于对图像分割算法的性能进行客观评价。
　　其次,对基于图论的GBIS(Graph-Based Image Segmentation, GBIS)图像分割算法进行了深入研究,针对GBIS算法的几点不足,提出了几种改进方法:(1)将Mean Shift算法与GBIS相结合的方法。该方法有效地减少了像素之间的颜色的差异度,在基于颜色特征的区域合并过程中,更有利于像素的合并,在一定程度上抑制了过分割现象,改善了图像分割结果;同时,通过实验讨论了Mean Shift算法对改进算法的影响。(2)结合L*a*b*彩色空间,重新定义了GBIS算法中的权值函数,在新定义的权值函数中,引入了控制像素间颜色差异度的常数s,并通过实验分析了常数s对改进算法分割结果的影响。(3)利用熵的理论获取 L*a*b*彩色图像的纹理信息,提出了新的结合图像纹理信息改进的GBIS区域合并准则,在改进的区域合并准则中引入了基于纹理信息的区域合并阈值T,并通过实验阐述了阈值T对改进算法分割结果的影响。
　　最后,采用图像分割算法评定指标PRI、VOI和GCE对改进算法进行了客观评价,结果显示,改进的算法在一定程度上抑制了原算法中存在的过分割现象,取得了较好的分割效果。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪论

§1.1 图像分割研究背景和意义

§1.2 图像分割国内外研究现状

§1.3 图论法在图像分割中的应用

§1.4 本文工作内容及创新点

第二章 图论和图像分割准则

§2.1 图的基本理论

§2.2 基于图论的图像分割准则

§2.3 本章小结

第三章 图像分割算法性能评价指标

§3.1 图像分割评价方法

§3.2本章小结

第四章 改进的GB IS彩色图像分割算法

§4.1 改进GBIS算法的实验流程

§4.2 基于Mean Shift的图像平滑

§4.3 结合L*a*b*彩色空间改进的权值函数

§4.4 结合纹理信息改进区域合并条件

§4.5 改进算法实验结果与算法评价及分析

§4.6 本章小结

第五章 总结与展望

§5.1 工作总结

§5.2 课题展望

参考文献

致谢

作者在攻读硕士期间的主要研究成果