一种基于遗传算法的Normalized Cut准则图像分割方法

Normalized Cut准则图像分割是基于图论的方法,是一种比较典型的规范化分割,但由于其运算量较大、收敛条件难以控制等缺陷,使得图像二值化分割不均匀。本文从Normalized Cut缺陷研究入手,利用遗传算法全局快速检索特性,改进Normalized Cut优化函数,获得精度理想的图像分割效果。

基于Normalized Cut的图像分割改进算法

用Normalized Cu(tN-Cut)准则分割图片时,会出现诸如过分割或者欠分割的不理想情况。在N-Cut结果的基础上提出了一种改进算法:利用合并-分裂方法,将颜色和纹理相似的区域合并,并对某些区域做进一步N-Cut分割。实验证明,改进后的算法不仅保留了N-Cut方法的优点,而且从一定程度上解决了过分割和欠分割的缺点,能够处理一些自然界的彩色图片,得到了比较理想的分割结果。

基于内容的多层次语义视频对象提取方法研究

视频对象的提取在序列图像的分析中起着重要作用。提出一个基于内容的多层次视频的对象提取算法,利用高斯马尔可夫模型对其进行颜色和纹理的混合特征图像分割。利用Normalize-cut准则,对其运动信息进行分析,然后进行区域聚合,即得到具有语义的视频对象。对于背景运动信息较丰富的序列图像可以取得良好的提取效果。