非监督层次化模糊相关的人体红外图像分割

针对当前多级模糊熵算法在分割人体红外图像时,存在划分数需人工指定,全局划分导致熵的信息度量精度受背景干扰,分割精度不高等问题,提出了非监督层次化模糊相关分割。首先采用熵率法将图像划分为若干超像素,确保区域一致性,提高后续处理效率;随后,用准确度量划分适当性的模糊相关来描述图像,构建模糊相关图割2-划分算子,提高层次化分割中单步分割的精度。2-划分算子的核心思想是利用提出的递推计算策略,快速搜索最大模糊相关时目标和背景的划分概率,并用其来设置图割的数据项,实施超像素的模糊相关图割2-划分。最后将2-划分算子与自顶向下的非监督层次化分割策略相结合,迭代地对目标超像素区域实施2-划分,自适应确定划分数,获得人体目标。实验结果表明:较常用算法,该算法不但能自动确定划分数,而且分割精度还提高了约18%,运行时间约为3.8s,能有效用于人体红外图像分割的工程实践中。

模糊相关图割的非监督层次化彩色图像分割

目的基于阈值的分割方法能根据像素的信息将图像划分为同类的区域,其中常用的最大模糊相关分割方法,因能利用模糊相关度量划分的适当性,得到较好的分割结果,而广受关注。然而该算法存在划分数需预先确定,阈值的分割结果存在孤立噪声,无法对彩色图像实施分割的问题。为此,提出基于模糊相关图割的非监督层次化分割策略来解决该问题。方法算法首先将图像划分为若干超像素,以提高层次化图像分割的效率;随后将快速模糊相关算法与图割结合,构成模糊相关图割2-划分算子,在确保分割效率的基础上,解决单一阈值分割存在孤立噪声的问题;最后设计了自顶向下层次化分割策略,利用构建的2-划分算子选择合适的区域及通道,迭代地对超像素实施层次化分割,直到算法收敛,划分数自动确定。结果对Berkeley分割数据库上300幅图像进行了测试,结果表明算法能有效分割彩色图像,分割精度优于Ncut、JSEG方法,运行时间较这两种方法也提高了近20%。结论本文算法为最大模糊相关算法在非监督彩色图像分割领域的应用提供指导依据,能用于目标检测和识别领域。