一种混合无监督图像分割算法

一种混合无监督图像分割算法

论文摘要

图像分割是计算机视觉的预处理部分,在人工智能领域占有非常重要的地位。分水岭算法是快速有效的图像分割算法,但它有一个内在的缺陷,用纯粹的分水岭算法来进行图像分割的结果通常是过分割的[2-4],所以在应用分水岭算法的时候必须根据所要分割的图像特点来对算法进行改进。改进的方向一般包括以下三个:首先,在分水岭算法执行之前对图像进行平滑,从而消除细小噪声对算法结果的影响,这在分水岭算法的应用领域称为图像预处理;其次,直接对分水岭算法本身的区域形成过程进行控制和改进;再次,将算法分割结果中过度分割的区域进行合并。本文研究了所有上述三个改进方向,并针对分水岭算法本身的改进以及区域合并的后处理过程给出了独创的算法。在图像预处理中本文使用多尺度的形态学滤波技术来平滑图像。在分水岭算法执行过程中,本文引入湖最小值的概念来改进Lin[3]的顺序无关算法,并结合落差来控制区域的形成。Lin通过引入特殊的不确定标记RIDGE得到一种与像素访问顺序无关的分水岭算法,证实了自下而上的泛洪算法和自上而下的降水算法可以得到一致的分割结果。但其算法仅仅使用像素灰度作为地形特征,因而结果中有过多的RIDGE标记,这些标记不属于任何区域,影响了算法的进一步应用。我们将湖最小值当作像素除灰度之外的附加地形特征,在标记时予以参照,从而减少了约80%的不确定标记数量。此外,本文引入的落差也减少了约10%的分割结果区域,从而减少了后续合并工作的计算复杂度。在执行了改进的分水岭算法之后,本文使用层次聚类技术来合并算法的分割结果区域。在聚类相似测度的计算中,推导出一个启发式的基于Bayesian目标函数以及Markov随机域理论的简单计算模型,这个模型的两个部分分别代表了使相邻区域保持独立的因素和使相邻区域合并到一起的因素,两个因素间的相互制衡使得算法在Bayesian目标下得到了最优的分割结果。从实验结果上看,这种基于区域的简单计算模型有效的减少了层次聚类的计算复杂度,即使是复杂的航空图像也能在几十秒内就完成聚类。最后,本文综合三个改进方向的工作得到一个多阶段的图像分割算法,算法停止条件依赖于层次聚类中的相似测度,因而该多阶段算法是无监督的,这也使得算法更加通用。实验结果表明本文算法具有良好的计算效率,并能得到有效的分割结果。

论文目录

  • 摘要
  • Abstract
  • 第一章 绪论
  • 1.1 图像分割的理论基础
  • 1.1.1 图像分割的定义
  • 1.1.2 图像分割算法分类
  • 1.2 分水岭算法介绍
  • 1.3 分水岭算法的改进方向
  • 1.4 本文工作
  • 第二章 形态学尺度空间滤波技术
  • 2.1 形态学基本运算
  • 2.1.1 形态学膨胀腐蚀
  • 2.1.2 形态学开闭运算
  • 2.1.3 形态学梯度
  • 2.2 多尺度形态学滤波技术
  • 2.3 用形态学重构进行图像平滑
  • 第三章 分水岭算法
  • 3.1 分水岭变换的定义
  • 3.1.1 术语准备
  • 3.1.2 分水岭算法的相关定义
  • 3.1.3 模拟泛洪的快速算法
  • 3.2 Lin 的顺序无关算法及改进思想
  • 3.2.1 Lin 的顺序无关算法
  • 3.2.2 算法改进思想
  • 3.3 结合落差的稳定泛洪算法
  • 3.4 结合落差的稳定降水算法
  • 第四章 层次聚类计算模型
  • 4.1 相关定义
  • 4.1.1 层次聚类
  • 4.1.2 Bayesian 目标函数
  • 4.1.3 MRF 模型
  • 4.2 基于区域的计算模型
  • 第五章 算法总结及实验结果
  • 5.1 多阶段无监督图像分割算法
  • 5.2 实验结果
  • 5.2.1 改进顺序无关算法的实验结果
  • 5.2.2 多阶段无监督算法的实验结果
  • 第六章 结论
  • 致谢
  • 参考文献
  • 附录:作者在攻读硕士学位期间发表的论文
  • 相关论文文献

    • [1].基于分水岭技术的图像分割算法研究与实现[J]. 信息通信 2020(03)
    • [2].农产品检测中的图像分割算法[J]. 数字通信世界 2020(05)
    • [3].农作物图像分割算法综述[J]. 现代计算机 2020(19)
    • [4].基于深度学习的脑图像分割算法研究综述[J]. 生物医学工程学杂志 2020(04)
    • [5].基于熵的图像分割算法研究[J]. 科技视界 2018(08)
    • [6].改进的分水岭图像分割算法[J]. 电子技术与软件工程 2016(01)
    • [7].基于信息论的图像分割算法研究[J]. 黑龙江科技信息 2015(25)
    • [8].一种鲁棒的无监督聚类图像分割算法[J]. 吉林大学学报(理学版) 2019(06)
    • [9].一种基于滤波的分段点乘图像分割算法[J]. 电子设计工程 2016(23)
    • [10].基于显著性检测的目标图像分割算法[J]. 电子科技 2017(01)
    • [11].基于阈值和图论的图像分割算法研究[J]. 宁德师范学院学报(自然科学版) 2016(01)
    • [12].基于加速k均值的谱聚类图像分割算法改进[J]. 传感器与微系统 2016(09)
    • [13].基于数学形态学图像分割算法在水果分级中的应用[J]. 科学技术与工程 2013(34)
    • [14].用于草坪场景理解的轻量化图像分割算法[J]. 计算机技术与发展 2020(10)
    • [15].一种基于方向的图像分割算法[J]. 可编程控制器与工厂自动化 2012(02)
    • [16].图像分割算法综述与探索[J]. 科技创新与应用 2012(13)
    • [17].图像分割算法研究[J]. 福建电脑 2009(06)
    • [18].一种改进的模糊C均值图像分割算法[J]. 郑州大学学报(理学版) 2017(02)
    • [19].基于中智学的分水岭图像分割算法[J]. 通化师范学院学报 2017(08)
    • [20].一种快速均值飘移图像分割算法[J]. 数据采集与处理 2015(01)
    • [21].一种改进的模糊聚类图像分割算法研究与仿真[J]. 计算机仿真 2015(04)
    • [22].基于图像复杂度的图像分割算法[J]. 探测与控制学报 2015(03)
    • [23].计算机图形图像分割算法——基于视觉特性分析[J]. 数码世界 2019(05)
    • [24].基于图论的图像分割算法分析研究[J]. 森林工程 2013(03)
    • [25].一种基于集成学习技术的图像分割算法的研究[J]. 江西理工大学学报 2012(03)
    • [26].灰度图像分割算法的研究[J]. 科技信息 2009(27)
    • [27].折棍变分贝叶斯图像分割算法[J]. 计算机辅助设计与图形学学报 2020(02)
    • [28].多目标粒子群和人工蜂群混合优化的阈值图像分割算法[J]. 计算机工程与科学 2020(02)
    • [29].改进几何活动轮廓模型的水下图像分割算法研究[J]. 小型微型计算机系统 2019(03)
    • [30].森林病虫害监测中的无人机图像分割算法比较[J]. 计算机工程与应用 2017(08)

    标签:;  ;  ;  ;  

    一种混合无监督图像分割算法
    下载Doc文档

    猜你喜欢