一種基于區(qū)域生長的圖像顯著區(qū)域提取算法

《一種基于區(qū)域生長的圖像顯著區(qū)域提取算法》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。

1、一種基于區(qū)域生長的圖像顯著區(qū)域提取算法摘要：提出了一種改進的基于區(qū)域生長的彩色圖像顯著區(qū)域提取算法。該算法在顏色梯度圖上應(yīng)用分水嶺分割算法，改進了圖像初始分割的效果。綜合考慮分割區(qū)域的顯著度和邊界強度，選取恰當(dāng)?shù)姆N子區(qū)域。在區(qū)域生長時考慮分割區(qū)域間低層特征的相似性、區(qū)域是否位于物體邊界以及區(qū)域間的可合并度，設(shè)計了三個區(qū)域可生長度評價函數(shù)。實驗結(jié)果表明，該算法簡單、快速，且能提取出更符合人眼視覺特征的顯著區(qū)域。關(guān)鍵詞：顯著區(qū)域；彩色分量梯度圖；分水嶺分割；區(qū)域生長；可生長度評價中圖分類號：TP391文獻標(biāo)識碼：A文章編號：1009-3044(2013)08-1876-041概述像的

2、顯著區(qū)域是指圖像中最能表達圖像語義的部分，提取圖像的顯著區(qū)域可以忽略圖像中不容易引起人眼興趣的次要部分，對于圖像壓縮、圖像檢索等研究都有重要意義。為了獲取圖像的顯著區(qū)域，研究人員總結(jié)出一種自底向上的區(qū)域生長方法。即先使用分水嶺等方法將圖像分成細(xì)小的子區(qū)域，再對子區(qū)域進行篩選、合并等方法［1］以最終得到人眼感興趣的顯著區(qū)域。為了克服傳統(tǒng)區(qū)域生長算法存在的顯著區(qū)域過生長、欠生長和空洞等缺陷，該文提出一種改進的方法：選擇符合人眼視覺感知的顏色空間，對初始分割前的圖像計算彩色分量的梯度圖，以克服傳統(tǒng)方法利用灰度圖像進行分割而忽略人眼對圖像的顏色感知所帶來的不足；對梯度圖利用分水嶺分割算法

3、，將圖像預(yù)分割成子區(qū)域；綜合評價顯著度和邊界強度，選取得分較高的子區(qū)域作為種子區(qū)域；對得到的種子區(qū)域進行區(qū)域生長，利用區(qū)域的低層特征和鄰域間的相互關(guān)系等多種因素決定生長的尺度和方向，得到最終的符合人眼視覺特征的顯著區(qū)域。2本文算法詳述2.3種子區(qū)域選取分水嶺算法將圖像分割成大量子區(qū)域，為了得到圖像的顯著區(qū)域，需要選擇顯著區(qū)域所在的種子區(qū)域進行后續(xù)的區(qū)域生長。傳統(tǒng)的選取種子區(qū)域的方法存在許多不足：衡量標(biāo)準(zhǔn)單一或標(biāo)準(zhǔn)之間不具備互補性，不符合人眼顯著特征［3］，設(shè)置參數(shù)過多等導(dǎo)致計算復(fù)雜度較高［4］。本文在選取種子區(qū)域的過程中，選取兩個特征作為衡量標(biāo)準(zhǔn)顯著度與邊界強度。綜合考慮這兩個特

4、征可以較好地符合人眼顯著特征。本文選擇RC算法是因為用該算法得到的顯著圖用于像分割，不論是固定閾值二值化還是迭代應(yīng)用GrabCut［6］方法進行顯著性物體分割，在Achanta等［7］提供的公開測試集上測試準(zhǔn)確率和召回率都能達到90%以上。本文改進了RC算法，將區(qū)域的顯著值進行排序，記錄前10個顯著值最大的區(qū)域作為候選的種子區(qū)域，記錄它們的幾何中心點P(x，y)和顯著度值［入s3實驗及結(jié)果討論3.1實驗結(jié)果為比較衡量本文區(qū)域生長算法的性能，將本文算法與幾種分割方法進行了對比實驗。這里介紹一下Achanta等［8］的Frequency-tuned(FT)顯著區(qū)域檢測算法。FT算法首

5、先利用Mean-shift對圖像進行初始分割，通過獲取圖像的頻率、顏色及亮度信息計算各個區(qū)域的顯著值，最后將各個區(qū)域的顯著值與整幅圖像的顯著值進行比較，將較大于平均值4列出了本文方法的分割結(jié)果的區(qū)域塊歸為顯著區(qū)域部與其他幾種方法的比較。3.2實驗結(jié)果評價為評測本文算法的有效性，我們從文獻［8］中獲取400幅圖像的人工分割結(jié)果(GroundTruth)作為基準(zhǔn)數(shù)據(jù)集?；鶞?zhǔn)數(shù)據(jù)集是經(jīng)兩個階段獲取的，首先用戶對顯著物所在區(qū)域繪制矩形框，接著再在矩形框內(nèi)人工分割出顯著物體并保存成二值圖。人工分割的二值圖能準(zhǔn)確地標(biāo)注出圖像中單個或多個顯著物體。將基準(zhǔn)數(shù)據(jù)集中的二值圖記為G，將算法提取的顯著

6、記為A，我們用準(zhǔn)確率和召回率來檢測算法的有效性。進一步，為了更準(zhǔn)確地計算算法的平均正確率和召回率的性能，我們引入Fb測量：4結(jié)束語本文提出了一種基于區(qū)域生長的彩色圖像顯著區(qū)域提取算法。首先將顏色梯度圖應(yīng)用于分水嶺算法，得到較優(yōu)的初始分割區(qū)域。之后結(jié)合RC顯著區(qū)域檢測算法與邊界強度信息定位最有可能符合人眼視覺特點的若干個種子區(qū)域。最后通過綜合考慮區(qū)域間顏色面積等低層特征的相似性、區(qū)域是否位于物體邊界以及區(qū)域間的可合并度，設(shè)計衡量函數(shù)，迭代地完成區(qū)域生長算法，得到圖像的顯著區(qū)域。實驗結(jié)果表明，該文的方法能提取到相對于其他算法更加準(zhǔn)確、完整和空洞較少的符合人眼視覺注意機制的顯著區(qū)域。參

7、考文獻：[1]王艷娟，陳曉紅，鄒麗.圖像感興趣區(qū)域自動提取算法[J].科學(xué)技術(shù)與工程，2007，7(12)：2867-2871.[2]鄭劍鋒.基于感興趣區(qū)域的圖像分割及其在圖像檢索中的應(yīng)用[D].上海：上海交通大學(xué)，2008.[3]LucVincent,PierreSoille.WatershedsinDigitalSpaces:AnEfficientAlgorithmBasedonImmersionSimulations[J].IEEEtransactionsonpattern