基于超像素的彩色图像快速分割方法研究

摘要

图像分割是计算机视觉领域中一项基础而又重要的步骤，其目的是从图像中将感兴趣区域与其它部分进行分离并提取出来。超像素是近年来研究学者们广泛关注的一个话题。相比于传统的像素，超像素可以有效降低分割方法的计算复杂度，并且能够有效提升最终的分割效果。因此，本文利用超像素作为图像预处理，提出了基于超像素的彩色图像快速分割方法，本文的工作主要有:
　　1.提出了一种基于边缘概率的超像素分割方法。由于传统的超像素分割方法过分割现象较为严重，因此，在图像预处理阶段，如何进一步优化和提纯现有的超像素，仍十分有必要。本文首先通过一种性能优异的结构化边缘检测算子对原始图像进行边缘检测，然后利用基于全局均值和全局方差的图像二值化方法执行阈值操作，得到边缘二值图像，用于提纯由传统的超像素分割方法生成的过分割超像素。实验结果表明，本文方法可以有效地提纯超像素，减少初始的超像素数目，并且提纯后的超像素能够保持较好的边界一致性。
　　2.提出了一种基于超像素合并的交互式图像分割方法。由于超像素合并方法的执行效率一定程度上依赖于初始的超像素数目，本文通过对超像素进一步提纯，可有效减少超像素合并过程中的迭代次数，提高算法的计算效率。同时，采用颜色和纹理等特征信息来对超像素间相似度进行度量。最后，利用区域邻接图与最近邻图实现超像素快速高效的合并。通过仿真实验，本文方法具有较高的分割性能以及一定的实际应用价值。
　　3.提出了一种基于超像素谱聚类的无监督图像分割方法。由于传统的谱聚类算法在特征分解时计算复杂度较高，而图像的超像素数量远远小于像素点数量，因此利用超像素进行谱聚类图像分割能够有效提高分割的效率。另外，针对谱聚类算法需要人工指定聚类数目的问题，本文提出了一种基于密度峰值优化的谱聚类算法，该方法可以自适应确定初始聚类数目以及初始聚类中心。通过仿真实验，相比于其他分割方法，本文方法具有一定的竞争力。

目录

声明

致谢

摘要

第一章 绪论

1．1 研究背景及意义

1．2 国内外研究现状

1．2．1 基于阈值的分割

1．2．2 基于边缘检测的分割

1．2．3 基于区域的分割

1．2．4 基于聚类的分割

1．2．5 基于特定理论的分割

1．3 本文的主要研究工作

1．4 本文的组织结构

第二章 谱聚类和超像素分割的理论方法介绍

2．1．1 图划分准则

2．1．2 相似度矩阵、度矩阵以及拉普拉斯矩阵

2．2 经典谱聚类算法

2．2．1 迭代谱聚类算法

2．2．2 多路谱聚类算法

2．3 超像素分割方法概述

2．3．1 超像素简介

2．3．2 超像素分割方法分类

2．4 本章小节

第三章 基于边缘概率的超像素分割方法

3．1 边缘检测

3．1．1 传统的边缘检测算子

3．1．2 结构化边缘检测算子

3．2 基于边缘概率的超像素分割方法

3．2．1 算法设计

3．2．2 实验结果与分析

3．3 本章小节

第四章 基于超像素合并的交互式图像分割方法

4．1 图像预分割

4．2 用户标记目标区域和背景区域

4．3 超像素的计算

4．3．1 颜色特征

4．3．2 纹理特征

4．3．3 相似度度量

4．4 超像素合并

4．4．1 合并过程

4．4．2 算法效率分析

4．5 实验结果与分析

4．6 本章小结

第五章 基于超像素谱聚类的无监督图像分割方法

5．1 引言

5．2 图像预分割

5．3 超像素的计算

5．4．1 密度峰值聚类

5．4．2 截断距离优化

5．4．3 初始聚类中心选择

5．5．1 算法设计

5．5．2 实验结果与分析

5．6 本章小节

第六章 总结与展望

6．1 论文主要工作总结

6．2 后续研究及展望

参考文献

攻读硕士学位期间的学术活动和成果