基于RWR的图像分割算法研究

论文摘要

图像分割作为一种底层的处理技术,是由图像处理到图像分析的关键步骤,也是一种基本的计算机视觉技术,可以广泛应用在图像及视频的高级处理中。图像分割模型是根据各种无监督或有监督分割方法将一幅图像分成几个区域或者把其中感兴趣的目标物体提取出来。利用人类视觉分割原理的先验性,使用有监督分割方法把图像中的目标物体提取出来有很强的实用性,可以为后续的压缩存储,模式识别和目标跟踪等处理提供很大的便利。基于图论的图像分割算法是近年来兴起并处于发展中的一种新型的图像处理技术,由于其在现有图论的成熟理论上进行研究,而且具有获取全局特征的能力,因此得到了广泛应用。但是这些算法在求解弱边界问题和计算速度上没有得到良好地解决,本文提出了一种基于RWR的图像分割算法。该算法首先将图像的像素点映射为图的顶点,对4邻接或8邻接的像素点之间用一条边连接,根据像素点之间的相似程度对每条边分配一个权值;接着采用RWR算法分别求解图中顶点到达目标种子点和背景种子点的概率,并对其进行归类;最后把图像分割作为一种分类问题,求解Lx = b的线性概率模型。对于该模型的求解过程本文提出一种区别于传统迭代法的左除算法,解决了迭代法收敛速度慢,迭代次数和收敛条件难以确定的情况。实验效果表明本文采用的左除算法计算速度快,可以解决弱边界的问题,实际应用性强,间接避免了初始迭代条件的选取和收敛准则的确定。基于该算法的实时性,本文同时将其用于视频序列分割中,实验效果表明本文算法在视频序列图像分割中分割效果良好。

论文目录

• 中文摘要
• 英文摘要
• 1 绪论
• 1.1 课题的研究背景
• 1.2 图像分割的原理及研究现状
• 1.2.1 图像分割的原理
• 1.2.2 图像分割的研究现状
• 1.3 论文的研究方向
• 1.4 本章小结
• 2 图像分割算法研究
• 2.1 人类视觉分割机制原理
• 2.1.1 人类视觉处理与机器视觉
• 2.1.2 格式塔心理学
• 2.2 颜色空间
• 2.3 图像分割系统的一般结构
• 2.4 图像分割算法综述
• 2.4.1 一般的图像分割方法
• 2.4.2 基于图分割的图像分割方法
• 2.5 本章小结
• 3 基于 RWR 的图像分割模型
• 3.1 图像的图表示模型
• 3.1.1 图的定义和基本概念
• 3.1.2 图的矩阵表示
• 3.1.3 图像的图表示
• 3.1.4 权重函数
• 3.2 RW 与RWR 算法原理
• 3.2.1 RW 算法原理
• 3.2.2 RWR 算法原理
• 3.3 基于RWR 的图像分割模型
• 3.3.1 图像的图表示
• 3.3.2 顶点相似度的衡量
• 3.3.3 基于 RWR 的图像分割模型
• 3.4 本章小结
• 4 实验及结果分析
• 4.1 静态图像分割效果
• 4.2 模型求解和算法复杂度分析
• 4.2.1 模型的求解方法
• 4.2.2 算法复杂度分析
• 4.3 基于RWR 算法的视频序列图像分割
• 4.5 本章小结
• 5 总结
• 致谢
• 参考文献
• 附录