结合GAC与图割模型的彩色纹理图像分割方法

提出了一种测地线活动轮廓模型(GAC)与多层图割模型相结合的彩色纹理图像分割方法。将Chan-Vese模型扩展到多类测地线活动轮廓模型,通过对每个类别进行高斯概率密度描述,它打破了区域内部恒定密度的假设。且在边缘约束项中引入了测地线,因此,它能够捕获具有凹性的边缘。对于多类能量函数的最小化,通过构建多层图割模型,利用最大流/最小割的方法可快速求得全局近似最优解。最终通过实验验证了提出的方法能够捕获凹型边界、且量化准确率高。

基于多尺度结构张量的多类无监督彩色纹理图像分割方法

由于自然图像中包含丰富的颜色信息与多尺度的纹理信息,伴随多个同质目标区域的出现,依靠半监督手动交互标记的图像分割方法难以实现自动分割,因此提出一种多类无监督彩色纹理图像分割方法.首先,提取了颜色特征(向量结构)与多尺度纹理特征(矩阵集合),并对两者分别进行能量描述;对于2种具有不同特征结构的能量函数,通过多类融合策略计算两者的融合因子,并自适应地融合;再将融合后能量函数的全局最优化问题转化为其对应的多层Graph Cut图割模型,利用最大流?最小割理论计算得到全局近似最优解.为了自适应地控制分割过程,提出了自适应迭代分割收敛准则,并最终在自然图像及合成的彩色纹理图像上进行了质量评估与量化分析.实验结果表明,该方法具有较好的目标区域完整性与一致性,并具有较高的准确率.

区域可信度融合的彩色纹理图像分割方法

提出一种将颜色信息与纹理信息有机结合的彩色纹理图像分割方法。通过对多尺度结构张量纹理信息进行奇异值分解与主成分分析降维,得到压缩多尺度纹理信息,同时与尺度信息、颜色信息相结合的方式来提高彩色纹理特征的描述能力。针对分割区域容易出现过分割与错误分割现象,采用区域的邻接关系、区域的大小、区域的公共边、以及区域间的J-散度距离来共同计算相邻区域间的可信融合度,通过合理判别,删除与融合可信度较低的区域。并在合成彩色纹理图像与自然纹理图像上进行大量的实验对比与分析,验证提出方法具有较高的准确率,且最终分割区域具有较高的区域整体性与地面真实性。