融合区域合并和Graph Cuts的彩色图像分割方法

针对使用Graph Cuts方法对图像进行分割极大影响分割精度这一问题,提出了一种新的融合区域分级合并和Graph Cuts的彩色图像分割算法。该算法首先使用均值漂移算法对图像进行初始分割,将原图像分割为具有较好边界的同质区域;然后,通过计算区域相似度对区域进行分级合并,之后构建精简的加权图,并使用Graph Cuts进行分割。多幅彩色图像的分割实验结果证明,所提算法具有较好的分割效果。

基于时空一致性优化的视频去雾算法

为了提高有雾视频的可用性,针对视频增强的需求,基于图像去雾的物理模型,利用视频相邻帧间的信息冗余性,提出了基于光流法的视频去雾方法;对视频中亮度变化以及光流法误差引起的去雾对象边界不平滑的问题,通过引入时间域和空间域能量函数,对待处理视频进行时空一致性约束。实验证明:对于定点拍摄的视频数据,使用时空一致性优化的视频去雾算法能够增加帧间稳定性,获得较为理想的去雾结果。

基于小型无人机航拍图像的道路检测方法

为提高无人机道路检测的实时性和鲁棒性,提出一种基于改进graphcut算法的道路检测方法。利用Orchard-Boumand聚类算法聚类道路和非道路像素点,通过高斯混合模型对这2类像素点建模,构造Gibbs能量惩罚函数中的区域项函数。针对航拍图像各个区域具有不同对比度的特点,设计Gibbs能量惩罚函数中的光滑项函数,将单一的图像全局对比度矩阵替换为局部对比度矩阵。通过Gibbs能量惩罚函数构造有权重的图,运用maxflow算法进行分割,检测出道路区域。实验结果表明,该方法在不同类型道路下都能保持较好检测性能,与现有的道路检测方法相比,实时性好,错误率低。

基于改进Graph Cut算法的生猪图像分割方法

生猪图像分割为生猪行为特征提取、参数测量、图像分析、模式识别等提供易于理解和分析的图像表示,准确有效的生猪图像分割是生猪行为理解和分析的基础。针对传统Graph Cut算法分割精度差、分割效率低及不能准确分割特定目标的问题,该文结合交互分水岭算法,提出基于改进Graph Cut算法的生猪图像分割方法。采用交互分水岭算法对图像进行区域划分,划分的各个区域块看作超像素,用超像素替代传统加权图中的像素点,构造新的网络图替代传统加权图,重新构造能量函数以完成前景背景的有效分割。试验结果表明:该方法峰值信噪比平均范围为[30,40],结构相似度平均范围为[0.9,1],两种评价准则的结果与主观评价一致,图像分割质量、精度得到明显提升;平均耗时缩短到传统Graph Cut算法的33.7%,提高了分割效率;在复杂背景、噪声干扰、光照强度弱等条件下可以快速分割出特定目标生猪,具有较高鲁棒性。

基于运行时纹理合成的纹理画刷

纹理画刷是一种交互式纹理生成工具,能够在用户控制下生成所需要的纹理。本文提出了一种基于运行时纹理合成的纹理画刷实现算法。纹理合成采用逐块合成的方式,每次将整个样本图以选定的位移放置到合成图中,然后用Graph Cut来决定最终的输出区域。在预处理过程中计算得到两个相同样本图间的最佳切合位移集合,在合成过程中,贴块位移搜索范围限定在由此集合及用户控制所决定的一个很小的范围内,使合成速度达到实时。另外通过对"孤立块"采取"虚拟贴块法"选取贴块位移,较好地保持了画刷所生成纹理的一致性。实验结果表明该纹理画刷的纹理生成速度满足与用户交互的需求,且生成纹理的质量高。

基于配准分割的Graph Cuts自动分割算法在肝脏图像中的研究

临床上的肝脏疾病诊断是由医生对肝体影像进行手动分割,获得肝体的准确解剖信息对肝功能进行有效的评价,但手动分割肝脏影像是一项繁琐、费时且不可重现的工作。为了辅助医生对肝脏疾病诊断,论文提出基于配准的GraphCuts自动分割算法,对人体肝脏CT图像进行自动分割。首先使用配准分割算法,对肝脏图像进行有效的分割,然后使用权重投票将所有的配准分割结果融合为一幅预分割图像,最后利用水平集符号距离函数通过预分割图像标记前背景像素,实现Graph Cuts算法对肝脏的自动分割。实验结果表明,论文的自动分割算法精度较高,在一定程度上能够为临床的精确诊断提供科学的理论依据。

一个新的纹理图像合成方法

基于样本的纹理合成方法是继纹理映射、过程纹理合成等方法后发展起来的一种纹理拼贴方法,可以避免以往方法中的接缝、走样等问题,在计算机图形学、计算机视觉、图像处理等领域是非常重要的。一种基于块的纹理合成新方法被提出:应用最大流原理和顺序访问方式建立了新的GraphCut图结构,该方法具有Graph Cut算法[2]的较好运行效果,并降低了Graph Cut算法的复杂性。其中,对近规则邻域的纹理图像合成尤为适用。

基于三维体的多分辨率视频分割算法

传统视频分割算法无法处理视频中庞大的数据量,且分割结果需要保持时空连续性。针对该问题,提出一种基于三维体的多分辨率视频分割算法。在三维空间中对整个视频体进行分割,以保证时空连续性,采用多分辨率的思想,减少计算开销。实验结果表明,该算法能减少传统分割算法的时空耗费,修正连续帧的局部分割结果。

自上而下注意图分割的细粒度图像分类

目的针对细粒度图像分类中的背景干扰问题,提出一种利用自上而下注意图分割的分类模型。方法首先,利用卷积神经网络对细粒度图像库进行初分类,得到基本网络模型。再对网络模型进行可视化分析,发现仅有部分图像区域对目标类别有贡献,利用学习好的基本网络计算图像像素对相关类别的空间支持度,生成自上而下注意图,检测图像中的关键区域。再用注意图初始化GraphCut算法,分割出关键的目标区域,从而提高图像的判别性。最后,对分割图像提取CNN特征实现细粒度分类。结果该模型仅使用图像的类别标注信息,在公开的细粒度图像库Cars196和Aircrafts100上进行实验验证,最后得到的平均分类正确率分别为86.74%和84.70%。这一结果表明,在GoogLeNet模型基础上引入注意信息能够进一步提高细粒度图像分类的正确率。结论基于自上而下注意图的语义分割策略,提高了细粒度图像的分类性能。由于不需要目标窗口和部位的标注信息,所以该模型具有通用性和鲁棒性,适用于显著性目标检测、前景分割和细粒度图像分类应用。

基于Graph Cut算法的多株立木轮廓提取方法

【目的】在复杂的自然环境下进行目标立木轮廓提取时,容易受遮挡物影响,导致立木图像分割效果不理想。笔者提出一种基于Graph Cut算法的多株立木轮廓提取方法,可实现单张相片中多目标立木界线分割。【方法】首先通过彩色直方图均衡化实现RGB颜色空间下各个通道的图像细节增强,利用Graph Cut算法构造s-t网络图,将图像分割问题转化为能量函数最小化问题,并标记图像前背景像素实现单张相片中多株立木图像初分割;然后将单张相片中的每株立木分割图像二值化,利用形态学腐蚀膨胀运算处理图像达到填充、去噪、平滑等目的;在此基础上,利用改进型Canny算子边缘检测方法,用双边滤波代替高斯滤波增强边界信息得到每株立木轮廓;最后,根据立木相对坐标不变性,利用几何重组方法实现目标立木特征表达并判断其拓扑关系,最终得到每株目标立木轮廓提取结果。【结果】为了验证该方法的有效性,本研究对自然环境下采集到的立木图像进行试验。结果表明,该方法能够在不同光照条件的复杂背景下,有效分割出每株立木轮廓,平均误分率为5. 62%,假阳性率为4. 49%,假阴性率为4. 33%,均优于常用的OTSU分割算法(41. 40%、26. 73%、10. 99%)、K-means聚类算法(49. 97%、35. 02%、11. 92%)和基于C-V模型水平集法(28. 43%、20. 53%、13. 38%)。【结论】复杂的自然环境下,利用基于人工交互的Graph Cut算法可有效分割出每株立木轮廓界,研究结果可为立木可视化重建、特征提取等提供参考。