一种新的基于Graph cuts方法的SAR图像分割模型

Graph cuts方法是一种快速优化技术,能有效解决计算机视觉的低层次问题,如表面重构、分割、去噪等问题。其优点是迭代计算的高效性并能得到全局最优解。利用Graph cuts方法,将基于活动轮廓模型和水平集方法的SAR图像分割模型转化成一个新的模型,可用最大流/最小割方法来求解。实测SAR图像的分割实验表明:提出的新模型所需运行时间大约是基于水平集的活动轮廓模型所需时间的一半,分割精度也得到了较大的提高。

基于新区域一致性度量与图论的SAR图像区域分割

由于SAR图像含有斑点噪声,传统区域分割方法已不再适用于SAR图像分割。为此提出了一种新的SAR图像区域分割方法。该方法通过定义一种可有效抑制斑点噪声影响的区域一致性度量,以指导四叉树技术分裂SAR图像得到初始分割区域;然后以区域为顶点和区域间的相似度为边权,构建一个完全赋权图。最后运用图论分割方法中可利用全局信息的Minimum Cut方法进行区域合并,获得最终的图像分割结果。实验结果表明了该方法的有效性。

基于参数化最小割方法的SAR图像区域分割

由于SAR图像中存在大量的相干斑噪声,最小割准则(Minimum Cut Criterion)倾向于分割出小的孤立点集,因此最小割准则难以直接应用于SAR图像分割中。本文给出了一种可以根据需要来控制分割区域大小的参数化最小割准则(Parametric Minimum Cut Criterion),由此减少小的孤立点集的产生。该准则通过构建参数化割树(Parametric Cut Tree)得到理论最优解。为了参数化最小割准则更有效地应用于SAR图像分割,结合了区域分割方法中的四叉树分裂合并技术,给出了一种基于图论的SAR图像区域分割算法。在利用四叉树技术分裂图像时,根据SAR图像的统计特性,给出了一种新的区域一致性度量,有效地抑制了相干斑噪声的影响。实验结果表明了本文方法的有效性。

融合改进区域生长和图割理论的SAR图像分割

结合合成孔径雷达(synthetic aperture radar,SAR)图像生成特点,提出了一种融合改进区域生长和图割理论的SAR图像分割方法。该方法利用SAR图像成像机理的统计特性,给出了一种区域生长的新准则,用于获取SAR图像初始分割;然后以初始分割区域为顶点、区域间相似度为边权构建一个赋权无向图,运用采用全局信息的最小图割方法(minimum cut,MCut)进行区域合并,获得最终分割结果。新方法具有在图像分割过程中融合了图像的局部信息和全局信息的优点。实验结果表明了新方法的有效性。

图像分割的图论方法综述

图像分割是图像处理与计算机视觉领域的基本问题之一,其本身固有的不适定性是该领域研究的最大挑战。图像分割的图论方法充分利用图像的整体和局部特性,具有很大的灵活性,较高的计算效率及良好的分割特性,成为分割领域的一个新的研究热点。根据当前主要的几类基于图论的分割模型概括了图像分割图论方法的基本框架,包括图的映射和构造、分割准则及目标函数的设计及求解。系统综述了图像分割图论方法的每一类别的理论及研究进展。最后就图像分割图论方法中尚存的问题及未来的可能发展方向提出了见解。

基于Gomory-Hu算法有效实现的图像区域分割

提出一种基于图的图像区域分割方法。算法首先对原图像利用区域生长技术产生初始分割;其次以初始分割区域作为顶点构造赋权无向图;最后以Minimum Cut为准则,利用改进的Gomory-Hu算法得到图像的最终分割。该方法既减少了构造图的顶点又利用了全局信息来对区域分割。实验结果表明了该算法的有效性。