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。

基于图切分的交互式图像染色算法

将黑白图像颜色化是一个需要大量用户交互和时间的事情,传统的基于交互的做法主要有两种:先分割后着色和全局优化.前者速度快,但是往往因为分块太大而丧失细节;后者能保持颜色变化的连续性,但是求解速度慢.对此文中提出了一种图像颜色化的新方法:基于图切分技术的分割算法.图切分是一种基于全局能量优化的分割技术,因而可以保证大部分区域的颜色分布光滑,而只在灰度变化剧烈的边缘地区产生颜色跳变,并且算法具有很快的求解速度.在用户简单给定颜色种子基础上,基于相同灰度倾向于相同彩色的基本假设,首先计算图像每个像素周围的灰度分布并构造一个全局的能量函数.接着利用图切分(graph cut)的技术快速有效地求得最佳分割.随着用户的进一步交互,图切分可以很快地迭代计算.这样,通过简单的交互,用户可以很快地对一幅黑白图像彩色化,并获得自然的效果.

层次式图切分快速分割算法

图切分(Graph Cuts,GC)是近年来兴起的基于图论框架的图像分割方法,该理论的新颖之处在于它的全局最优性和结合多种知识的统一性。但当图像较大时运算非常耗时。该文提出了一种基于GC的层次式图像分割方法。先在低分辨率中用GC以较低的分割代价获取粗尺度的初始分割,再将结果轮廓映射回高分辨率图像中并构造出窄带,进而采用matting思想,在窄带内获取精确分割。实验结果表明,本文方法在确保分割结果准确性的同时,运算速度大幅度提高。

基于特征图切分的轻量级卷积神经网络

卷积神经网络模型所需的存储容量和计算资源远超出移动和嵌入式设备的承载量,因此文中提出轻量级卷积神经网络架构(SFNet).SFNet架构引入切分模块的概念,通过将网络的输出特征图进行"切分"处理,每个特征图片段分别输送给不同大小的卷积核进行卷积运算,将运算得到的特征图拼接后由大小为1×1的卷积核进行通道融合.实验表明,相比目前通用的轻量级卷积神经网络,在卷积核数目及输入特征图通道数相同时,SFNet的参数和计算量更少,分类正确率更高.相比标准卷积,在网络复杂度大幅降低的情况下,切分模块的分类正确率持平甚至更高.

基于资源描述框架图切分与顶点选择性的高效子图匹配方法

在SPARQL查询过程中,含有复杂结构的资源描述框架(RDF)图的查询效率低下。为此,通过分析几种RDF图的基本结构与RDF顶点的选择性,提出RDF三元组模式选择性(RTPS)——一种基于RDF顶点选择性的图结构切分规则,以提高面向RDF图的子图匹配效率。首先,根据谓词结构在数据图与查询图中的通性建立RDF相邻谓词路径(RAPP)索引,将数据图结构转化为传入-传出双向谓词路径结构以确定查询顶点的搜索空间,并加快顶点的过滤;接着,通过整数线性规划(ILP)问题计算建模将复杂RDF查询图结构分解为若干结构简单的查询子图,通过分析RDF顶点在查询图中的相邻子图结构与特征,确立查询顶点的选择性以确定最优切分方式;然后,通过RDF顶点选择性与相邻子图的结构特征来缩小查询顶点的搜索空间范围,并在数据图中找到符合条件的RDF顶点;最后,遍历数据图以找到与查询子图结构相匹配的子图结构,将得到的子图进行连接并将其作为查询结果输出。实验采用控制变量法,比较了RTPS、RDF子图匹配(RSM)、RDF-3X、Gra SS与R3F的查询响应时间。实验结果充分表明,与其他4种方法相比,当查询图复杂度高于9时,RTPS的查询响应时间更短,具有更高的查询效率。

基于高斯超像素的快速Graph Cuts图像分割方法

提出了一种交互式的快速图像分割方法.该方法通过使用高斯超像素来构建Graph cuts模型以实现加速.首先,利用融合了边缘置信度的快速均值漂移算法,将原始图像高效地预分割为多个具有准确边界的同质区域,并将这些区域描述为超像素,用于构建精简的加权图.然后,使用区域的彩色高斯统计对超像素进行特征描述,并在信息论空间中对高斯距离度量进行设计.另外,为了准确而精炼地对先验知识进行参数化学习,本文还使用了分量形式的期望最大化混合高斯(Component-wise expectation-maximization for Gaussian mixtures,CEMGM)算法对用户交互进行聚类.最后,在改进的加权图模型中应用Graph cuts方法,获得最终的分割结果.通过使用不同的彩色图像进行分割实验比较,仿真结果表明本文的方法在准确性和高效性方面都具有很好的性能.

基于椭圆形状约束的图切割对颈部淋巴结的超声图像分割算法

目的提出基于椭圆形状约束的改进图切割算法,用于分割颈部淋巴结超声图像。方法根据颈部淋巴结形状近似椭圆的特点,采用距离函数表示的椭圆形状先验对图切割算法的切分代价进行约束。通过对初始分割结果进行拟合获得约束椭圆,最小化经椭圆约束的改进切分代价函数获得分割结果,迭代该过程,直到分割结果收敛。结果在相同用户输入的情况下,该算法较准确地实现了原图切割算法难以完成的低对比度淋巴结超声图像的分割。对20幅颈部淋巴结超声图像的应用表明:该算法分割轮廓和医生手工勾画的标准轮廓之间Hausdorff距离和平均最小欧氏距离都远小于传统图切割算法。结论通过椭圆形状约束将明显改善graph cut算法对颈部淋巴结超声图像的分割结果。

一种基于图的颜色纹理区域分割方法

针对传统基于图论的图像分割方法在分割纹理图像或有突变边缘的图像时,分割效果不理想的问题,提出了一种新的基于图论的颜色-纹理区域分割方法,该方法采用分块的小波能量直方图与三阶颜色矩组成块特征向量生成图顶点的集合,同时根据块间距离进行加权,计算块间的相似度,作为图的边权值,再利用最小生成树的方法进行图像分割,方法有效地弥补了传统基于图论的分割方法中的两个问题。实验结果表明,该算法具有良好的分割准确性与鲁棒性。

优化分割的手绘图像彩色化技术

图像彩色化技术是计算机图形学与数字图像处理中重要的研究课题,目前该技术主要基于笔触交互方式完成,所以精确的着色区域分割是提高彩色化质量的关键.手绘黑白图像往往有复杂的线条、纹理和不封闭的轮廓,对分割造成了很大的困难.为解决这一问题,提出一种交互式彩色化方法.首先运用一个高质量、高效率的边缘保持滤波和拉普拉斯算子来解决灰度不连续的问题,强化区域边界信息,并计算灰度能量;然后利用标色信息计算标色能量,克服用户不精确标色的问题;最后将灰度能量和标色能量构建成一个能量函数,利用Graph Cut技术检测最优分割.该方法不受内部纹理、边界缺口和不精确标色的影响,可以更准确地划分着色区域.实验结果表明,由于获得的分割信息更准确,文中方法对于多种手绘图像能够取得更好的着色效果.

IncGraph:支持实时计算的大规模增量图处理系统

随着社交网络的流行,越来越多的相关应用要求能够实时地在大规模社会网络图上进行分析和计算。而目前的图处理系统,如Google的Pregel,是全局、批量处理的图处理系统,并不能实现对图的实时计算。因此,提出了一种新的图增量处理模型,当一个节点发生变化时,只需要以传播的方式更新局部范围内受影响节点。它本质上将传统的批量全局计算模型,转化成一系列的增量的、局部的图计算,保证对图变化的实时处理,并通过避免没有更新节点的重复计算来降低开销。基于这种新的图计算模型,设计了一个低开销、实时的图处理系统——IncGraph,它通过图切分技术将计算局部化,保证了计算的低开销,同时利用主动计算触发和反向链式更新技术,保证了计算的实时性和可靠性。利用真实的社交网络数据证明了IncGraph的低开销、实时性和扩展性。IncGraph的提出会为社交网络应用提供更为灵活的计算框架。

Spark环境下基于子图的异步迭代更新方法

全局同步计算模型简单易用,但是路障同步导致收敛速度变慢。以顶点为中心的异步迭代虽然提高了收敛速度,但在计算节点之间需要频繁发送信息。在Spark环境下提出一种基于子图的异步迭代更新方法。在子图之间建立异步消息通信连接后,子图能以异步方式发送数据块;通过多线程同步避免数据读写冲突,保证异步更新时顶点状态的一致性。在大规模样本数据集上分别从收敛结果、收敛速度和通信代价验证方法有效性。实验结果表明,与全局同步迭代相比,该方法有效提高了计算收敛速度。与顶点为中心的异步更新方式相比,该方法在收敛时间上略有增长,但是显著降低了通信开销。

基于线性预测能量谱系数的自然语音和耳语音的分类研究

在进行语音识别之前对自然语音和耳语音进行预分类,再分别放入各自的识别系统,可以提高耳语语音识别系统的识别性能。基于此,文中提出一个新的特征线性预测能量谱系数(LPESC),在该特征的提取过程中,对提取到的频谱图进行切分,以便获取到更多的语音信息,并将其用于耳语音分类。此外,还特别设计4种不同的滤波器组,并将提取到的特征应用于7个分类器上。实验结果表明,密集的均匀三角滤波器组更加适合提取该特征,在7种传统分类器上均有较好的分类效果,其中SVM分类效果最好。最后,对比LPESC与传统特征(39维的LFCC和MFCC)在7种分类器上的分类效果,验证新特征的有效性。实验还发现,女生的耳语音有更好的分类效果。

自动确定聚类个数的模糊聚类算法

本文通过集成多次FCM(Fuzzy C-Means)聚类结果以及采用软化分方式,提出一种新的自动确定聚类个数的模糊聚类算法.本算法首先利用不同的聚类数目对数据进行FCM聚类,然后充分利用多次FCM聚类得到的隶属度信息构建一个累积邻接矩阵,最后采用迭代方式对累积邻接矩阵进行图切分以获取最终聚类结果.大量的仿真实验表明,相对现有集成聚类方法,本文方法能够有效减少FCM的聚类次数,并且在图切分过程中的迭代次数为现有方法的1/2左右.

基于单目视觉系统的远距离场景重建算法研究

提出了一种基于机载前视被动传感器(电视传感器或红外成像传感器)获取的序列图像,并结合惯导信息,恢复前视场景深度的新方法。通过将前视三维场景看作一组具有不同深度的,分别对应背景和障碍物的层的集合,将复杂的场景重建问题简化为对各层深度集和像素标记场的计算;我们使用贝叶斯方法解决对各参数的估计,并使用图论方法快速求解。试验表明,该方法是可行的。

科技项目评审专家分组匹配算法

为了解决科技项目评审中申请书与专家的分组匹配问题,提出了一个基于二部图谱划分异构对象分组匹配算法.该算法用二部图描述申请书与专家之间的对应关系,提出了关联强度计算公式,计算图中每条边的权重值,求出图的关联矩阵,对关联矩阵进行奇异值分解得到奇异特征向量,用k-means分组算法对奇异特征向量进行分组.利用申请书与专家分组匹配算法能够实现项目评审过程中申请书与专家的自动分组与匹配,并且分组匹配结果有较高的准确性和合理性.

基于Delaunay四面体剖分的网格分割算法

为了构建有意义曲面分片,提出一种基于Delaunay四面体剖分的网格分割算法.首先根据Delaunay四面体剖分得到多边形网格内部的四面体,求出每个面上反映网格内部信息的Delaunay体距离;然后对Delaunay体距离进行平滑处理,再对网格上面的Delaunay体距离进行聚类,用高斯混合模型对Delaunay体距离作柱状图的拟合,利用期望最大化算法来快速求得拟合结果;最后结合图切分技术,同时考虑聚类的结果、分割区域的边界平滑和视觉认知中的最小规则,得到最终的网格分割结果.实验结果表明,采用文中算法可以有效地实现有意义的网格分割.

基于体半径函数的网格分割算法

为解决现有网格分割算法对表面局部特征和噪声敏感的问题,定义一种刻画模型体属性的测度——体半径,该测度具有姿态不变性和噪声鲁棒性。在此基础上,提出一种网格层次分割算法。计算模型顶点的体半径值,采用二状态高斯混合模型对体半径分布拟合,进行连通分量标注,获取模型的各子部件,结合图切分技术得到有视觉意义的分割结果。实验结果表明,该算法可以实现有意义的网格分割,且对物体的姿态变化及噪声具有较好的鲁棒性。

基于多尺度分析和均值漂移的Kway-Ncut算法

提出一种基于多尺度分析和均值漂移的谱聚类算法.该算法以Kway-Ncut算法为基础,通过缩小待分割图片的分辨率来实现快速和对大分辨率图片的分割.首先,利用均值漂移算法对图片进行预分割,随后缩减图像和预分割结果的分辨率.再利用预分割提供的先验信息和像素的空间一致性构建相似度模型,计算缩小后的图片像素相似度,使用Kway-Ncut进行分割.最后,将分割结果扩展为原始分辨率,用原始分辨率的预分类信息对图像边界及细节部分加以恢复,获得最终的分割结果.通过使用多幅彩色图像进行分割实验,结果表明文中算法在准确性和高效性方面都有良好表现.

一种自动分割人脸的方法

基于图切分理论,提出了一种自动分割人脸的方法。对于一幅人脸图像,首先通过人脸检测算法,确定人脸图像的大致前景和背景区域;然后利用高斯混合模型建立其前景和背景区域的颜色模型;最后迭代地运用图切分算法准确地分割出人脸目标。该方法创新之处在于实现了人脸图像前景目标的全自动分割。实验结果说明了该方法的有效性。

基于Graph Cut和超像素的自然场景显著对象分割方法

针对自然场景图像,提出了一种快速的显著对象自动分割方法.首先,将图像从RGB颜色空间变换至HSV颜色空间,利用色调和亮度等特征获得显著度图,得到待分割对象所在的区域;然后利用改进的分水岭算法将原始图像预分割为若干子区域,将这些区域描述为超像素,使用混合高斯分布描述其特征,用于构建图切分方法的网络图,经过迭代分割之后,获得最终的显著对象.实验结果表明,该算法与人工交互的图切分算法相比,能自动获得前景和背景的先验知识,在不影响分割精度的情况下,加快了分割速度.