基于預分割信息融合的快速圖割算法研究.pdf

1、圖像分割是指依據(jù)圖像的顏色，紋理等低級或高級的特征進行分析，并按照一定的聚類準則將圖像劃分為若干個性質(zhì)一致區(qū)域，最終將感興趣的區(qū)域從復雜的背景區(qū)域中提取出來。隨著互聯(lián)網(wǎng)技術(shù)的發(fā)展，計算機視覺相關的技術(shù)得到了極速的發(fā)展，而圖像分割作為圖像處理技術(shù)中的經(jīng)典方法也被廣泛應用到各個領域中，圖像分割結(jié)果的準確性直接影響到計算機視覺更高層的圖像分析與理解的效果。
　　圖割模型通過將圖像分割問題轉(zhuǎn)化為求解能量泛函最小值的問題，能量泛函的構(gòu)造靈活

2、性使其有著良好的特征約束以及融合的能力，圖割模型已經(jīng)被廣泛的應用于解決圖像分割問題。然而，隨著圖像分割的應用場景愈加復雜。針對高清分辨率，復雜背景的目標分割，傳統(tǒng)的基于圖割模型的算法存在著以下幾個缺點：1）需要較多的用戶交互保證前景/背景建模的準確性；2）圖模型中存在的“收縮偏執(zhí)”的特性導致對擁有復雜細節(jié)的前景目標分割結(jié)果不穩(wěn)定；3）高分辨率圖像導致建立的加權(quán)圖結(jié)構(gòu)過于臃腫，包含過多的冗余節(jié)點，最終導致分割速度過慢。針對以上缺點，本文研

3、究以圖像分割的預分割環(huán)節(jié)作為出發(fā)點，分別使用多變形降分辨率預分割以及基于超像素的預分割思路進行改進。
　　首先，為了克服圖割模型中“收縮偏執(zhí)”特性帶來的分割不穩(wěn)定性，本文提出了多變形分辨率策略對圖像進行預處理分割，利用“收縮偏執(zhí)”特性解決擁有復雜細節(jié)物體的分割問題。并且使用相似性權(quán)重投票策略對變形分辨率下的分割結(jié)果進行融合，建立更精確的前景/背景模型以減少用戶交互的復雜性。最終使用精簡圖結(jié)構(gòu)的方法提高了算法的時間效率并且克服了分割

4、高分辨率圖像存在的圖模型過大的問題。
　　其次，本文同時研究了超像素檢測作為預分割手段在圖像分割中的應用。針對超像素檢測不穩(wěn)定性的現(xiàn)象，我們使用了顯著性水平，高斯統(tǒng)計等多種特征對超像素區(qū)域進行描述，通過多類特征的使用彌補超像素檢測的不穩(wěn)定性。同時對這些特征進行分析設計了融合多類特征的混合能量函數(shù)，并依據(jù)超像素區(qū)域特點對超像素的拓撲特征進行分析，利用超像素對圖割模型進行精簡以提高分割效率。最終結(jié)合相似性權(quán)重投票策略，實現(xiàn)了算法的多粒