结合小波系数的normalized cut分割算法

为了提高normalized cut分割算法的准确率,结合小波系数调整图像的亲和矩阵。首先采用小波系数计算图像的边缘信息,然后使用边缘信息对原始图像构造一个图,求取图的拉普拉斯矩阵的前K个特征值,并对第二个特征值对应的特征向量进行分类,得到最终的分割结果。使用一些自然图像进行了验证,结果证明新方法能提取目标更为细致的细节,保留更多有用的信息。

结合图论Normalized Cut方法的彩色图像分割研究

归一化彩色图像分割中高斯核函数的参数选择直接影响到分割效果.为了寻找无参数的权值计算方法,提出将彩色图像中的像素点视为RGB空间的三维向量,使用向量的方向和幅值差异来衡量像素点的相似性,再使用Normalized Cut方法进行分割.实验结果表明,该方法能有效区分不同的颜色信息,计算复杂度不大,兼顾了算法的运算时间及分割效果,对不同的彩色图像均能得到准确的分割结果.

一种与图论Normalized Cut方法相结合的双阈值图像分割

提出了一种与图论方法相结合的双阈值分割方法,先采用双阈值划分图像区域,然后建立无向图,采用 Normalized Cut 方法划分图,完成图像分割。本文的方法综合考虑了像素间的灰度值和空间距离的相似性,并且运算量比传统的图论方法要小很多。实验结果表明,算法可以取得很好的分割效果。

基于图论的Normalized Cut图像分割方法研究

基于图论的图像分割是近年来国际上研究图像分割算法领域中一个新的热点研究方向,Normalized Cut(规一化分割)是基于图论的分割方法中比较典型的一种。本文介绍Normalized Cut方法的相关内容,分析它的优缺点并提出几种有效的改进方法。最后,实验显示Normalized Cut在特定图片的分割上取得了不错的效果。

融合Ncut方法的脊椎图像OTSU分割算法

提出一种融合Normalized Cut方法和OTSU方法的脊椎图像分割算法。首先通过Normalized Cut方法得到粗略的分割结果,然后根据脊椎的形状特征提取出有效的脊椎区域,在有效的脊椎区域进行OTSU分割算法,并通过边缘检测算法得到脊椎内部的轮廓边界。实验结果证明该方法可以较为精确地检测出椎骨轮廓的边界,有效地消除了伪边缘的影响。提出了按需分割的概念,首先消除背景区域的影响,然后在有效区域进行更为精细的处理,这样可以较大程度提高算法的处理速度。

Ncut在图像分割中的应用

Normalized cut(Ncut)是一种基于图论的方法,它融合了图像的不同特征实现图像的分割。介绍了Normalized cut的定义和算法的实现过程,总结了近年来该算法在求解特征方程方面的改进,着重讨论了Ncut算法在图像分割相关领域的应用,包括了医学图像分割、矢量场分割、视频分割等等。最后对该算法做了进一步总结,并展望了该算法的发展方向。

基于Ncut准则的文档图像图文分割算法

Ncut准则不仅度量了不同分组之间的总体不相似性,同时度量了各个组之内的总体相似性。利用Nor-malized Cut方法考虑的是图像的全局信息。提出了对基于归一化割的图像分割算法的调整,使之更适合文档图像的图文分割,取得了较为满意的效果。

基于分裂合并法和Ncut法的图像分割

当灰度图像较大,图像中像素较多时,利用Normalized Cut(Ncut)方法分割生成图的节点数目多,从而给算法求解带来困难,所以提出了利用分裂合并法和Ncut法相结合进行图像分割.用分裂合并法将灰度分割成多个区域,结合区域间的灰度和位置信息,再利用Normalized Cut方法在区域间进行划分,完成图像的分割。实验结果证明该方法有效。

基于分水岭变换和图论的图像分割方法

提出了一种融合分水岭变换和图论的图像分割方法。利用图像的局部灰度信息进行分水岭变换后,将图像分割成多个小区域,再结合各小区域的灰度和空间信息从全局角度用Normalized Cut方法在区域之间进行分割,产生最终的分割结果。实验结果表明,该方法可以消除分水岭变换后所产生的过分割现象,是一种有效的图像自动分割方法。

基于马尔可夫随机场的图像分割方法综述

系统地综述了基于MRF的图像分割方法。介绍了基于MRF模型的图像分割理论框架,给出了当前MRF图像建模研究的热点问题。概括了基于MRF模型的图像分割算法,包括图割算法、归一化割算法、置信度传播算法等,指出了这些算法的发展方向。

一种融合区域生长与图论的图像分割方法

该文提出一种融合区域生长与图论的图像分割方法,一般的基于区域的分割方法在区域生长完成之后需要进行区域的合并,以消除过分割现象。该文的方法在区域生长完成之后,用NormalizedCut方法在区域之间进行分割,产生最终所分割的图像。在方法上区域生长方法考虑的是图像的局部信息,NormalizedCut方法考虑的是图像的全局信息,该文的方法融合了两者的优点。该文的算法主要以灰度图像为研究对象,实验结果表明可以取得很好的分割效果。

基于快速递推模糊2-划分熵图割的红外图像分割

考虑现有图割算法没有充分考虑红外图像的模糊特性,分割精度和运行效率低的缺点,提出了基于快速递推模糊2-划分熵图割的红外图像分割算法以实现复杂背景下红外图像的自动高效分割。该方法利用图像感兴趣区域的最大模糊熵信息设计图割能量函数的似然能,基于局部最大模糊2-划分熵值迭代检测出包含图像最大信息的感兴趣区域来确保提取目标信息的完整性。为了提高最大模糊熵寻优的效率,引入时间复杂度为O(n2)的递推算法,将模糊熵计算转化为递推过程,并保存所有递推的熵函数值用于后续的穷举寻优。针对确定的感兴趣区域,利用该区域最大模糊2-划分时隶属度函数分布设置图割能量函数的似然能,从而充分考虑图像的模糊特性。对分割结果与几种常用的算法进行了视觉比较及运行时间,错分率,F指标的量化分析。结果表明:该算法分割精度F值高达95%,运行时间较其他常用算法至少缩短了72%,基本满足自动红外图像分割对精度、效率和鲁棒性的要求。

一种基于归一化割的图像分割算法

归一化割准则不仅度量了不同分组之间的总体不相似性,同时度量了各个组之内的总体相似性。具体研究了基于归一化割的图像分割算法,并将其应用于不同类型的图像分割中,取得了较好的效果。

基于分水岭算法和图论的图像分割

提出一种新的基于分水岭算法和图论的图像分割方法FWTN(First Watershed Then Normalized cut),以克服传统的分水岭算法造成的图像过度分割。FWTN方法在分水岭算法之后,用Normalized Cut方法在区域之间进行分割,产生最终所分割的图像。FWTN成功地解决了过分割问题,同时还对Normalized Cut方法中的NP-hard问题有所改进。实验结果表明该算法是一种切实可行的图像分割方法。

基于多尺度分析及图论归一化割的矿岩颗粒图像分割及应用

为克服矿岩颗粒图像分割中的欠分割和过分割现象,基于矿岩颗粒图像的特性,提出一种结合多尺度分析与图论的矿岩颗粒图象分割算法。该算法首先利用图像多尺度变换缩小图像,以去噪和减少数据量,再利用改进的图论归一化割(Normalized Cut)算法来分割矿岩颗粒图像。对多种类型的矿岩颗粒图像进行了分割实验,并与阈值、分水岭、聚类分析及FCM等常用的分割方法进行比较。实验结果证明,研究的算法对岩石颗粒图像具有优于其它分割算法的效果,新算法应用到了大型露天矿爆堆中的岩石块度测量与分析,效果令人满意。

基于人类视觉系统区域分裂的图割遥感图像分割算法研究

针对传统Normalized Cut(NC)在分割图像过程中实时性差的特点,提出一种使用人类视觉系统(HVS)区域分裂的图割方法。根据HVS特性用区域分裂算法将遥感图像分割成多个小区域,再结合各个小区域的灰度和空间信息从全局角度用NC方法在区域间进行划分,完成图像的最终分割。实验表明,相对于传统的NC方法,该算法在获得相近分割质量的同时,分割速度有了显著提高,是一种有效的图像分割方法。

基于蚁群优化多层图划分的彩色图像分割方法

为了消除基于谱聚类的归一化切分图像分割中聚类参数对分割结果的约束,提出了一种基于蚁群优化的多层图划分算法来进行归一化切分,进而对彩色自然景观图像进行分割。该算法将代表图像的相似度图作为蚁群的栖息环境,在归一化割准则的指导下,通过蚂蚁的觅食行为将相似的顶点逐渐聚集在一起,从而以多层的方式完成图划分。为了降低图像分割的计算量,利用超像素对图像进行预处理。实验对比表明,该算法消除了归一化切分分割结果对聚类参数的依赖,并提高了归一化切分分割的准确性和速度。

基于Nystrm方法的图像谱分割算法的聚类改进

基于图论的图像谱分割是近年来国际图像分割领域的一个热点,但必须构造亲和力矩阵,而构造亲和力矩阵要耗费大量的计算时间,于是有研究者提出可以用Nystrm采样对亲和力矩阵及其主特征向量估计实现最终的图像分割。对Nystrm方法用于对亲和力矩阵及其主特征向量的估计进行介绍,并对此进行了具体的实现及分析。针对用传统的k-means方法实现对最后的特征向量的聚类的缺陷,设计了简单有效的聚类算法得到了比较理想的效果。

基于滤波器阵列与图割的彩色纹理分割

图割法因无法体现像素点的纹理区域特性而难以应用于纹理分割。针对该问题,提出一种基于滤波器阵列与图割的彩色纹理分割算法。利用构建的滤波器阵列提取图像的纹理特征,并加入图像的H、S、I分量值组成纹理-色彩特征向量,采用texton直方图作为彩色纹理的统计模型对纹理-色彩特征向量进行统计计算,通过直方图差计算像素点间的纹理相似度,再应用图割法中的规范割准则对彩色纹理进行分割。实验结果证明,该算法具有较高的分割准确性。

基于多尺度的改进Graph cut算法

针对Graph cut算法存在着计算复杂度高及可能出现过分割等不足,提出了一种基于多尺度的改进算法,以更好地解决图像分割问题。该算法将多尺度的Normalized cut作为Graph cut算法的目标函数,避免了过分割的现象,同时将精细尺度的精确性和粗糙尺度的易分割性统一结合起来,对像素点进行采样,不仅保留了原来像素点间的关系,还降低了计算复杂度。然后运用基于谱图理论的求解方式,将问题转化为对相似矩阵求解特征值和特征向量的问题,相似度较高。试验结果表明,本研究算法能够对用户选取的图片进行有效地分割,无需用户交互,分割快速且结果精确。