自适应目标与内容匹配的层级图像分割算法

摘要

针对超度量轮廓图(ultrametric contour map,UCM)层级图像分割算法对轮廓适应性弱、层级匹配能力较弱且分割碎片较多等问题,提出了一种自适应目标与内容匹配的改进UCM层级图像分割算法.该算法首先使用"轮廓盒子"提取图像关键轮廓,然后使用加权分水岭算法合并区域,提升轮廓适应性,并产生UCM层级树;随后,采用动态规划的方式自适应完成目标与内容匹配,最后使用调整尺度后的UCM层级树完成图像分割.在BSDS500数据集上进行了分割实验,实验结果表明提出的算法在各项分割指标上获得了显著的提升.分割掩盖率(segment cover,SC)、概率边缘指标(probabilistic region index,PRI)和信息变化率(infor-mation variation,IV)三个衡量指标分别在最优数据集尺度(optimal dataset scale,ODS)和最优图像尺度(optimal image scale,OIS)上获得了最佳的效果.UCM层级树通过尺度的调整,能够保证相同尺度的层级分割为同一层,减少了分割碎片,保证了层级匹配.该算法在分割精度上超越了当前大多数主流图像分割算法,同时保证时间复杂度在同一个级别.