基于视觉显著性的非监督图像分割

交互式的图像分割算法需要用户输入先验信息,从而增加了算法的时间复杂度和用户的负担。提出了基于视觉显著性的非监督图像分割算法。该算法首先通过均值漂移算法先对图像进行预处理,将图像过分割成互不重叠的小区域。这些区域采用区域邻接图表示,当两个区域相邻时对应的节点之间存在边。其次,通过计算各个区域的颜色相异性和纹理一致性,得到相邻区域之间的合并概率。再次,根据区域的颜色和空间位置信息,定义每一个区域的显著性指标,选择最大显著性指标对应的区域作为目标种子区域,图像边缘区域中显著性指标最小的区域作为背景种子区域。最后,基于最大相似性合并策略,对与种子区域相邻的且合并概率最大的区域进行合并。实验表明,所提算法不需要先验信息,且可以得到较好的分割效果;与非监督图像分割算法相比,所提算法可以避免过分割。

一种结构自适应免疫抗体竞争网络的非监督图像分割

提出一种新的结构自适应免疫抗体竞争网络,无须预先设定聚类数目,实现了完全非监督的图像分割.基于自组织特征映射神经网络的基本概念,提出一个新的免疫抗体邻域概念,增强了网络的鲁棒性.根据大脑皮层长期记忆的形成原理提出一个长期记忆因子,提高了算法收敛的速度.为了抑制噪声抗原对抗体网络的影响,提出3种抗体死亡操作.以上这些改进措施可使生成的抗体网络更好地反映抗原的分布特征,得到自适应的网络结构.将此算法用于合成纹理图像、遥感图像和合成孔径雷达图像的分割,都取得了较好的分割结果.