基于圖論的交互式圖像分割算法研究.pdf

《基于圖論的交互式圖像分割算法研究.pdf》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫(kù)。

1、儀器儀表用戶doi：10．3969／j．issn．1671·1041．2010．01．003基于圖論的交互式圖像分割算法研究王銀玲，王晶，范立南(沈陽(yáng)大學(xué)信息工程學(xué)院。沈陽(yáng)110044)摘要：交互式圖像分割方法的應(yīng)用越來(lái)越廣泛，本文提出了一種新的2圖的構(gòu)建基于圖割的交互式圖像分割方法。該方法將像素的灰度信息和空間信加權(quán)無(wú)向圖的構(gòu)建是利用圖割理論進(jìn)行圖像分割的關(guān)鍵息結(jié)合起來(lái)建立圖模型，利用預(yù)流算法快速計(jì)算出該模型的最小割集。技術(shù)，關(guān)系算法的成敗。有些算法直接將整個(gè)圖像映射到圖中，實(shí)現(xiàn)圖像分割。有效地降低了運(yùn)算的時(shí)間復(fù)雜度。提高了分割準(zhǔn)確度。圖像

2、的每?jī)蓚€(gè)像素之間都建立聯(lián)系，這樣導(dǎo)致算法的計(jì)算量關(guān)鍵詞：圖像分割；交互式；圖割；最大流；最小割大大增加，也沒(méi)有必要。本文在建立圖模型之前，采用基于數(shù)學(xué)中圖分類號(hào)：TP391．41文獻(xiàn)標(biāo)識(shí)碼：A形態(tài)學(xué)的方法進(jìn)行預(yù)分割，提取圖像中感興趣的區(qū)域，然后將ResearchOfinteractiveimagesegmentation其映射到圖中。algorithmbasedongraphtheory2．1圖像的預(yù)分割分水嶺算法是數(shù)學(xué)形態(tài)學(xué)分割方法中的經(jīng)典算法，其W．ANGYiⅡ．1ing，WANGJing。FANLi-nail基本思想是利用形態(tài)學(xué)算子從區(qū)

3、域的局部最小值點(diǎn)開始進(jìn)行(SchoolofInformationEngineering。Shenyang膨脹處理，隨著區(qū)域的不斷增大，相鄰區(qū)間出現(xiàn)交界點(diǎn)，將這些University。Shenyang110044。China)交界點(diǎn)設(shè)為“水壩”，阻止區(qū)域的聚合。然后繼續(xù)對(duì)沒(méi)有形成AIDstract：Interactiveimagesegmentationmethodhasbeenused“水壩”的區(qū)域進(jìn)行膨脹，直到找出相鄰區(qū)域的所有“水壩”，將moreandmorewidely．Anewinteractiveimagesegmentationm

4、eth—這些“水壩”連接成分水嶺，從而完成圖像的分割。由于單一的odisproposedbasedonthegraphcutinthispaper．Itusesthepix-形態(tài)學(xué)算子無(wú)法滿足分割的需要，本文采用多結(jié)構(gòu)的形態(tài)算els’intensitiesandspatialinfOm1ationtogethertoestablishgraphmode1．Preflowalgorithmcanbeusedtocalculateeficientlythemin—子，進(jìn)行圖像預(yù)分割，得到比較滿意的效果。imumcutsetandachieveim

5、agesegmentation．Themethodreduces2．2權(quán)重模型的構(gòu)建thetimecomplexityandimprovestheaccuracyofsegmentationef-一個(gè)好的權(quán)重模型能夠體現(xiàn)像素之間的相關(guān)程度，包括fectively．像素的亮度，顏色，紋理，空間信息等的相似度，本文研究灰度Keywords：imagesegmentation；interactive；graph‘Cut；max-flow圖像的處理，因此顏色和紋理不納入權(quán)重模型。文獻(xiàn)[3]僅考min-cut慮像素之間的灰度梯度，沒(méi)有考慮像素的空間信息

6、，本文提出一個(gè)新的模型：0引言圖像分割是圖像分析和圖像理解的必要前提』，在圖像w(p，g)=I一f×(xl—x2)+(，，1一y2))處理中占據(jù)重要地位，長(zhǎng)期以來(lái)，提出了大量的算法。這些算(1)法大致分為兩類，其中基于邊界的分割算法細(xì)節(jié)分割不細(xì)致，2其中，w(p，q)表示邊(p，g)的權(quán)重)=K×exp(一-3-)，K而基于區(qū)域的算法邊界分割不清晰，都難以獲得令人滿意的U分割結(jié)果?；趫D論的分割方法可以兼顧邊界和區(qū)域兩方面是一個(gè)正常數(shù)；L和L表示點(diǎn)P和q的灰度值；(l，y1)，(砣，的信息，是近年來(lái)圖像分割領(lǐng)域研究的熱點(diǎn)。另外，計(jì)算機(jī)自y2)

7、表示點(diǎn)P和q的坐標(biāo)。若將圖中的一個(gè)點(diǎn)與其他所有的點(diǎn)動(dòng)分割和手工分割相比，雖然大大提高了分割效率，但是分割都建立邊，圖的結(jié)構(gòu)過(guò)于復(fù)雜而且模型不合理，因此，在建立邊的準(zhǔn)確度有所降低，交互式分割可以結(jié)合兩者的優(yōu)勢(shì)，彌補(bǔ)之前先判斷兩個(gè)點(diǎn)的鄰接情況，若兩點(diǎn)是4鄰接，8鄰接，m鄰它們各自的不足。接中的一種，才建立兩個(gè)點(diǎn)之間的邊，否則不建立連接。該模型為了解決上述問(wèn)題，本文在文獻(xiàn)的基礎(chǔ)上提出一種新有效地節(jié)省了計(jì)算時(shí)間，降低了算法的時(shí)間復(fù)雜度。的基于圖割的交互式分割算法。該算法主要做出如下幾點(diǎn)改進(jìn)：第一，在建立圖模型之前進(jìn)行預(yù)分割，提取圖像中感興趣3交互式圖

8、割算法的區(qū)域，克服了運(yùn)算時(shí)間長(zhǎng)的缺點(diǎn)；第二，將像素的灰度信息圖的n連接創(chuàng)建之后，手動(dòng)選擇圖的目標(biāo)和背景種子點(diǎn)，和空間信息結(jié)合起來(lái)建立圖模型，提高了分割的準(zhǔn)確度；第分