一种新的基于图谱理论的图像阈值分割方法

提出了一种新的图像阈值分割方法,该方法采用图谱划分测度作为区分目标和背景的阈值分割准则.采用基于灰度级的权值矩阵来代替通常所用的基于图像像素的权值矩阵来描述图像各像素的关系,因而算法所需的存储空间及实现的复杂性与其他基于图论的图像分割方法相比大大减少,从而有利于应用在各种实时视觉系统(如自动目标识别,ATR).大量的实验结果表明:与现有的阈值分割方法相比,文中提出的方法具有更为优越的分割性能.

一种具有抗噪性的图像分割方法

基于图论的图像分割方法对有噪声污染的图像必须先进行预处理,算法自身不能抑制噪声。针对该问题,提出一种具有抗噪性的图像分割方法。该方法将图谱划分测度作为划分目标与背景的阈值分割准则,采用基于灰度值的权值矩阵代替基于图像像素个数的权值矩阵,描述像素之间的关联,并在图权计算中增加像素点与其邻域的空间相关信息,以提高算法的抗噪性。实验结果表明,使用该方法进行图像分割具有较好的分割效果,抑制噪声能力较强。

改进的图谱理论阈值分割方法

针对现有的基于归一化的图谱理论阈值分割算法的权值计算公式没有充分考虑像素点的关联,在图像含有弱边界时很难得到真实解,导致图像细节分割不理想的问题,本算法首先使用高斯混合模型构造新的约束条件引入到权值计算中,使得权值计算充分地考虑像素点之间的关联。在计算图谱划分测度前,本算法通过高斯混合模型的均值参数自适应确定门限值的分布区间,较大地提高了图谱划分测度计算的效率。实验结果表明,相对于现有的基于归一化的图谱理论的阈值分割方法,本文算法具有较好的分割效果,可以保留图像更多细节。