一種改進(jìn)的圖割目標(biāo)分割算法

湯依婷，韓彥芳

(上海理工大學(xué) 光電信息與計(jì)算機(jī)工程學(xué)院，上海 200093)

?

一種改進(jìn)的圖割目標(biāo)分割算法

湯依婷，韓彥芳

(上海理工大學(xué) 光電信息與計(jì)算機(jī)工程學(xué)院，上海 200093)

為了減少圖像目標(biāo)在分割過(guò)程中受到噪聲、復(fù)雜背景等因素的影響，將圖像的多特征信息引入到圖割算法中，提出了一種結(jié)合圖像的多特征信息圖割目標(biāo)分割方法。該方法先選取像素點(diǎn)的多種圖像特征組成特征向量，并對(duì)已做好標(biāo)記的目標(biāo)和背景種子點(diǎn)的特征向量分別進(jìn)行FCM聚類(lèi)，然后分別計(jì)算各像素點(diǎn)與這兩類(lèi)種子點(diǎn)的各聚類(lèi)中心的最短歐式距離，并據(jù)此信息完成對(duì)能量函數(shù)的構(gòu)造，最終運(yùn)用最大流/最小割的方法得到圖像分割的結(jié)果。其與傳統(tǒng)圖割算法相比，分割結(jié)果有了明顯改善。實(shí)驗(yàn)結(jié)果表明，該算法具有有效性。

圖割；圖像分割；特征向量；FCM聚類(lèi)；最大流最小割

TANG Yiting, HAN Yanfang

(School of Optical-Electrical and Computer Engineering, University of Shanghai for Science and Technology,Shanghai 200093, China)

圖像分割是由圖像處理到圖像分析的關(guān)鍵步驟。只有在圖像分割的基礎(chǔ)上才能對(duì)目標(biāo)進(jìn)行特征提取和參數(shù)測(cè)量，使得更高層的圖像分析和理解成為可能。因此，對(duì)圖像分割方法的研究具有重要意義。經(jīng)典算法有閾值法[1]、區(qū)域合并[2]、基于邊緣檢測(cè)[3]、分水嶺算法[4]和聚類(lèi)分析[5]等，這些算法在不同領(lǐng)域得到了廣泛應(yīng)用。而圖割(Graph Cuts)算法可在全局最優(yōu)的框架下進(jìn)行分割，能確保能量的全局最優(yōu)解，因而得到廣泛關(guān)注。

傳統(tǒng)Graph Cuts算法僅依賴(lài)圖像的灰度信息構(gòu)造能量函數(shù)。對(duì)于簡(jiǎn)單圖像分割效果良好，但當(dāng)背景較為復(fù)雜，且與目標(biāo)灰度較為接近時(shí)，圖像目標(biāo)的準(zhǔn)確分割變得困難。……