基于边缘检测的数字媒体深度交互式图像分割算法

针对数字媒体深度交互式图像受噪声干扰,导致其边缘检测效果较差,影响其分割精度的问题,提出基于边缘检测的数字媒体深度交互式图像分割算法。首先,利用小波变换方法对数字媒体中的图像进行去噪处理,提高图像分割精度;其次,使用高斯函数与低通滤波增强去噪后的图像,提高图像的清晰度,为图像分割提供便利;最后,依据自适应阈值算法对数字媒体的图像进行边缘检测,像素合集中存在上下阈值。根据其上下阈值的计算求出像素合集中的高低两个阈值,并对其实施边缘连接,实现数字媒体图像分割。实验结果表明,所提方法对分割数字媒体图像去噪效果好,分割精度和效率高。

融合双阶段特征与Transformer编码的交互式图像分割

为了快速、精确地分割用户感兴趣的前景目标,获得高质量且低成本的标注分割数据,提出一种基于双阶段特征融合与Transformer编码的交互式图像分割算法.首先采用轻量化Transformer骨干网络对输入图像提取多尺度特征编码,更好地利用上下文信息;然后使用点击交互的方式引入主观先验知识,依次通过初级与加强阶段将交互特征融入Transformer网络;最后结合空洞卷积、注意力机制和多层感知机对骨干网络获取的特征图解码.实验结果表明,所提算法在GrabCut,Berkeley和DAVIS数据集上的mNoC@90%值分别达到2.18,4.04和7.39,优于其他对比算法;且算法的时间与空间复杂度低于f-BRS-B,对交互点击位置及点击类型的扰动变化具有较好的稳定性,说明该算法能够快速、精确与稳定地分割用户感兴趣目标,提升用户交互的使用体验感.

结合局部线性嵌入与种子信息流的交互式图像分割算法

交互式图像分割是指在分割过程中引入少量的用户指引分割出目标对象,是图像处理最基本的任务之一。现有方法通常需要构建非二次能量函数,并且普遍存在缺乏唯一解、分割精度低等问题。为进一步提高分割质量,提出一种结合局部线性嵌入和种子信息的交互式图像分割算法(seed information combined with local linear embedding,SILLE)。该算法考虑像素点的局部信息以及先验信息,将标记种子点的信息融入到新构建的能量函数中,以一种有效且快速的最小化方案得到能量函数的唯一且最优解,从而获得更加准确的分割结果。最后在不同数据集上,与不同方法进行多种指标的对比,验证了算法的有效性和可行性。

基于随机森林和随机游走的交互式图像分割

基于随机游走的交互式图像分割在计算相邻像素相似度时,仅考虑了颜色空间的差异。针对这一问题,利用图像中广泛存在的对称结构,提出一种基于随机森林进行对称检测的方法。通过基于相似边的特征,将对称检测转化为结构化标签问题。在得到对称轴的基础上,通过期望最大算法,建立对称轴与相邻像素之间的关系,以提高交互式分割的精确度。实验表明,该方法不仅能有效地提取图像中的对称轴,而且能得到较高精度的交互式分割结果。

多颜色空间上的交互式图像分割

介绍了视觉颜色空间及其在交互式图像分割中的作用 ,实验分析了它的奇异性 ,在此基础上 ,考虑像素的空间和色彩分布 ,提出了基于区域生长法的多颜色空间、多度量准则的聚类算法和零碎区域的合并算法 ,颜色空间选取 HSL 和 RGB两种 ,相似性度量包括了种子点、扩张点和生长区域三个方面 。

最大熵和最小交叉熵综合的交互式图像分割

在图像分割中,使用某一种分割方法并不是总有效。最大熵和最小交叉熵阈值化方法是目前常用的两种图像分割方法,但在某些分割应用场合失效。针对此问题,提出基于最大熵和最小交叉熵综合的交互式图像分割方法。首先,利用一种简单的算法将前两种方法有机结合产生一种既满足最大熵原则,又满足最小交叉熵原则的新分割方法,然后通过人机交互,在这三种阈值方法中选择最好的图像分割。仿真实验结果表明,提出的方法不仅分割效果好,算法的普适性增强,而且更实用。

一种改进的Live-Wire交互式图像分割算法

提出了一种改进的Live Wire交互式图像分割算法。与原Live Wire算法相比 ,改进算法在不增加算法复杂度的同时 ,大大提高了图像分割的性能 ,而且在 3个方面弥补了原算法的不足 :(1)对噪声相当敏感 ;(2 )不能有效地区分图像中的强弱边缘 ;(3)不适用于边缘弯曲程度较大的图像。将改进算法与窗宽 /窗位调整算法相结合用于医学图像分割中 。

交互式图像分割实验系统开发

以"交互式图像分割算法的实验系统开发"为例,介绍了如何在传统的图像处理实验中引入新的内容、开展创新性实验。利用Matlab的图形用户界面设计,开发相应的实验教学系统,该系统主要包括lazy Snapping、Grab Cut以及改进的Grab Cut 3种图像分割算法,不仅能够加深学生对基于图割的图像分割的基本原理的理解,而且能够让学生更好地掌握交互式图像分割的实现步骤以及各种算法的优势和局限性。该系统操作简单方便,在实际实验教学应用中取得了良好的效果。

基于图切分的交互式图像分割算法

提出一种基于图切分(Graph Cut)的交互式图像分割新算法。首先,使用图切分技术获取初始轮廓并采取非均匀有理B样条(NURBS)拟合边界曲线。由于NURBS具有局部可控性,其控制点可视为隐式马尔可夫模型(HMM)的隐状态,边界特征和区域同一性被视为HMM观察状态,然后采用轮廓平滑性作为约束来定义一个状态转移模型。最后,通过维特比算法递归求取最优轮廓。实验证明该法鲁棒性好,允许用户简易、高效地分割图像。

一种基于图割的交互式图像分割方法

交互式的图像分割方法目前已经受到越来越多的重视。该文提出一种新的基于图割(graph cuts)的交互式图像分割方法。该方法将图像的纹理、色彩、边缘等多种特征通过一个概率模型结合在一起。其中纹理和色彩用以Texton为基的直方图来建模,并用Fisher判别准则来对特征空间进行降维。利用图割方法,可以快速求解该模型下的最优分割。在遥感图像分割等问题中的应用结果表明该方法在速度和精确性方面都有很好的表现。

基于图像区域的交互式文本图像阈值分割算法

针对现有局部阈值分割算法因参数过多带来的参数选择问题以及在分割结果中块与块之间不连续性问题,利用用户提供的先验知识或经验,提出了一种基于灰度图像区域的交互式文本图像阈值分割算法.该方法首先粗略地将图像进行分块;利用标准差作为衡量图像块含有信息量(背景信息与目标信息)多少这一度量,接着按标准差大小对所有图像块进行排序;然后由用户输入交互式信息将所有图像块分为3个集合:仅含背景或仅含目标的图像块、含有少量背景或者是含有少量目标的图像块以及背景和目标分布比较均衡的图像块;最后对各个集合中的图像块分别按相应准则进行分割.实验结果表明,对于均匀和非均匀光照条件下的文本图像,与全局分割算法、直接分块分割算法和Chou方法相比,该方法在分割效果上有显著提升,而且执行效率也较高.另外,对于部分非文本图像也同样有效.

基于图割和模糊连接度的交互式舰船红外图像分割方法

针对舰船红外图像分割中的低对比度、边缘模糊和目标灰度不均匀问题,提出了基于图割和模糊连接度的交互式图像分割方法.交互方式为矩形笔刷,选择目标和背景种子点.分割方法为基于图割的图像分割方法,引入模糊连接度来计算图割的似然能,给出了模糊连接度权重的自动确定方法,提出了基于直方图分解的高斯混合模型(Gaussian mixture model,GMM)成分个数和参数估计方法.仿真结果表明,新方法可实现各种复杂环境下舰船红外图像目标的有效分割.

基于集成学习的交互式图像分割

针对交互式图像分割人工标记示例匮乏、不同目标区域难以均衡标记,单一分类器难以获得有效分割结果的问题,提出一种多分类器集成学习的交互式图像分割方法.采用多元自适应回归样条(MARS)方法构造第一个分类器;同时引入光滑薄板样条回归函数(TPSR)构造与之互补的第二个分类器,综合组成bagging集成学习器,以降低单一分类器对噪声的敏感度并进一步提高人工标记样本特征空间的利用率.随后,基于半监督学习中的聚类假设,结合bagging多学习器并联特点,提出一种REG-Boosting半监督学习算法,实现半监督图像分割.在不同数据集上的验证性和对比性实验表明所提方法的有效性和优越性.

基于边缘概率的层次交互式图像分割算法

在基于区域合并的分割算法中,超像素分割算法过分割现象严重,不利于后续区域合并操作。文章提出了一种新颖的基于边缘概率的层次交互式图像分割算法。首先,利用一种性能优异的边缘检测算子(structured edge,SE)作为输入,得到边缘概率图,并作用于超像素分割算法进行超像素的提纯,相比于原始的超像素分割算法,该方法产生的超像素数量较少;其次,选用归一化的颜色直方图对超像素进行特征描述;最后,采用区域邻接图(region adjacency graph,RAG)和最近邻图(nearest neighbor graph,NNG)实现快速、高效的层次区域合并。仿真实验结果表明,该文方法的鲁棒性、分割质量更具有优势。

一种初始分割和区域合并的交互式图像分割方法

针对全自动分割很难从图像中自动获取目标、提取边缘不理想等不足,提出一种基于SLIC超像素初始分割和区域合并的交互式图像分割方法.首先采用SLIC超像素进行初始分割;针对单一的颜色特征不能较好地提取区域的特征信息,再采用由颜色直方图和轮廓波变换构成的区域相似性特征来进行区域特征的提取;最后通过改变区域合并策略,采用分层匹配机制对区域合并顺序进行调整,以降低合并过程中出现的误匹配.实验结果表明,该方法不但提高了分割速度,而且分割的准确率(ACC)也有所提升,同时降低了分割的负率度量(NRM).

一种基于相对模糊连通度的交互式序列图像快速分割算法

在基于相对模糊连通度的交互式图像分割方法的基础上提出了一种序列图像分割的快速算法。对于单幅图像,新算法在保持分割精度的同时,运行速度提高了3倍。作为该算法的扩展,一方面将原算法中单目标分割推广到多目标分割,另一方面将单帧图像的分割推广到序列图像的分割,实现了复杂背景下多目标的图像分割和图像序列的批处理分割。并进行了分割结果的后处理,提取出目标的单像素宽度的光滑边缘。用人造图像和实际的医学图像和图像序列所做的测试实验取得了令人满意的分割结果。

流形排序的交互式图像分割

针对显著目标检测难以获得有效的目标整体检测导致目标分割困难的问题,采用一种在初始显著图的指导下添加有效交互信息的方式来获得目标的准确分割。该方法利用边界先验对超像素进行流形排序获得初始显著图,参照显著图对不显著的目标部分添加目标标记,显著背景部分添加背景标记,利用标记信息对超像素重新进行流形排序,将获得的显著图与初始显著图融合,对融合后的显著图采用自适应阈值法来获得目标的分割。在BSD图像数据库中的实验得到的平均正确分割率(TPR)和平均错误分割率(FPR)优于经典的最大相似合并图像分割算法(MSRM),表明了该算法能有效分割出正确的目标。

基于冗余小波变换的相对模糊连通图像交互式分割算法

为了提高图像分割算法的抗噪声性能,该文提出一种基于冗余小波变换的相对模糊连通图像交互式分割算法。与文献中基于尺度的相对模糊连通交互式分割算法相比,新算法在几乎不改变分割效果的前提下,速度提高了十几倍,且对不同的噪声模型均具有较好的鲁棒性。此外,文中还对小波变换的不同尺度对图像分割效果的影响进行了较为系统地研究。用人造图像和实际的医学图像所做的测试实验结果表明,该文提出的新算法可实现对非噪声和噪声图像中感兴趣目标的快速而准确的分割。

基于自适应局部阈值的交互式图像分割

目前比较主流的交互式图像分割技术,对用户的输入位置和输入量比较敏感,而且用户的输入具有试探性,所以为了得到满意的分割结果,用户不得不多次调整自己的输入,比较繁琐。针对这种不足,提出一种新的交互式图像分割方法。首先采用基于自适应局部阈值的图像分割算法,生成一系列同质区域,并描绘出其轮廓;然后用户用不同颜色,粗略标记出组成不同目标的区域集;最后通过合并同色标记的区域集,完成图像分割。实验结果表明,该算法不仅满足用户对交互式图像分割输入更直观、结果更准确的需要,同时方便地实现了多区域多目标的图像分割。

结合区域特性的交互式图像分割

针对现有的交互式分割算法对用户标记的数量与位置敏感的问题,提出了一种与图像区域特性结合的分割算法.首先将均值漂移分割的小块区域作为虚拟像素,参与有权图构建,从而为信息向远方同质区域的像素传播提供路径;然后设计一个基于像素归属于各类用户标记的概率代价函数,并采用微粒群算法进行全局寻优,最后将获得的归属概率作为判据实现分割.实验结果表明,即使采用少量用户标记也可以获得满意的分割结果,说明该算法对标记的数量与位置具有很高的鲁棒性.