基于图像多层次分割的目标提取

摘要

图像目标提取在计算机视觉的各种任务中具有重要意义，其在图像编辑、视频分割、目标追踪等方面具有广泛的应用。在进行目标提取的时候往往伴随着图像分割问题，如何利用图像分割的结果准确地提取出图像中的目标是一个极具挑战的任务。　　不同人对图像分割的要求不一样，只能生成单一分割结果的分割算法似乎已经不能适用于处理图像分割问题。因此，多层次图像分割算法相继被提出。多层次图像分割算法的结果是一个树型结构，通过将该结构展开可以得到不同层次的分割结果。由于不同层次的分割结果的分割质量不高，因此本文提出了一种尺度矫正的方法来提高分割质量。首先，通过实验获得了四种多层次图像分割算法的分割结果；其次，将所提出的层次提取算法应用于图像多层次分割结果并获得了不同层次的分割结果；然后，提出了最优分割层次挑选算法并应用该算法在所有层次的分割结果中挑选出了最优的分割结果；最后，利用尺度矫正的方法在四种多层次图像分割算法上进行了交叉实验。实验结果表明该方法能够有效地提高图像分割的质量。　　由于经过尺度矫正得到的分割结果吸收了不同算法的优点，保留了图像的细节信息，同时去除了冗余信息，所以本文利用四种算法的最优矫正结果来进行目标提取。由于交互式的方法需要人为地标记目标或者背景，增加了时间开销。因此，本文提出了一种基于显著性特征的目标提取算法。该算法利用显著性检测结果初步定位图像中的目标和背景区域，然后采取合理的策略将其他区域划分为目标或者背景。该方法能够自动的提取图像中的目标而不需要人工干预，从而提高了效率。与此同时，本文还提出了一种改进的graphcut方法来进行目标提取。传统的graphcut方法是基于像素点的方法，由于图像中具有大量的像素点，因此该方法需要花费大量的时间。本文将传统的graphcut方法改进为基于区域的方法，并且将图像多层次分割结果的轮廓信息应用到该方法中，不仅减少了时间开销，还提高了目标提取的准确性。大量的实验结果表明，本文所提出的两种目标提取算法能够准确的提取图像中的目标，并且均取得了较好的效果。

目录

声明

第 1 章绪论

1.1 研究背景与意义

1.2 国内外研究现状

1.2.1多层次图像分割方法研究现状

1.2.2目标分割方法研究现状

1.3 本论文研究内容

1.4 本论文章节安排

第 2 章相关技术概述及介绍

2.1 多层次图像分割

2.2 目标分割

第 3 章多层次分割图像尺度矫正

3.1 尺度矫正的背景与意义

3.1.1尺度矫正的背景

3.1.2尺度矫正意义

3.2 尺度矫正算法

3.2.1算法描述

3.3 多层次分割图像层次提取

3.3.1多层次分割图层次提取算法

3.3.2层次提取实验

3.4 图像分割质量评价指标

3.5 最优分割层次挑选

3.5.1单指标最优分割层次挑选算法

3.5.2多指标综合最优分割层次挑选算法

3.5.3最优分割层次挑选实验

3.6 尺度矫正交叉实验

3.6.1实验数据及实验设置

3.6.2实验结果及分析

第 4 章基于显著性的分割图像目标提取

4.1 显著性检测概述

4.2 显著性检测结果获取

4.3 基于显著性的目标提取算法

4.4 基于显著性的目标提取实验

4.4.1实验数据及实验设置

4.4.2实验结果及分析

第 5 章基于graph cut的分割图像目标提取

5.1 概述

5.2 Graph cut图像分割原理

5.2.1能量函数

5.2.2图像转化网络流图

5.2.3Graph cut 分割流程

5.3 Graph cut图像分割方法改进

5.3.1网络流图顶点映射方式改进

5.3.2边界项和区域项改进

5.4 交互式目标提取实验

5.4.1实验数据及实验设置

5.4.2实验结果及分析

结论与展望

本文工作总结

未来工作展望

致 谢

参考文献

攻读硕士学位期间发表的论文及科研成果