摘要:
超像素分割是计算机视觉中的热点问题,超像素的使用能有效地减少图像局部信息的冗余,大大降低了图像处理的复杂度和运算量,而且还保留了对图像进行进一步处理的有效信息,超像素技术越来越广泛地应用于许多领域.本文介绍了一种基于图论的超像素分割及其合并算法,主要在检测图像的边界,图的分割准则,超像素区域特征的提取,度量超像素区域间的相似性这几个方面进行了研究. 首先,针对图像的边界检测这一问题,本文对最近比较好的图像边界检测方法进行简单的介绍,通过实验对比和分析选取最优的边界检测方法,其边界检测结果作为本文超像素分割算法的输入.以图论为基础,介绍一种超像素分割准则,最后研究了一种把边界检测方法和图论算法相结合的超像素分割算法,此超像素分割算法使基于图论的分割方法能够分割像素分辨率较高的图像,改变了以往基于图论的超像素分割算法只能分割分辨率较低的图像的现状. 然后,在相似性测量方面,利用图像的低水平信息,例如颜色特征,纹理特征,位置特征,形状特征,设计了一种新的度量两个超像素区域之间相似性的方法.图像经过超像素分割算法分割得到超像素区域后,根据相似性度量方法测量每个超像素区域与其相邻超像素区域之间的相似性. 最后,针对图像分割中的过分割现象,本文利用研究的的超像素区域间相似性度量方法,计算超像素间的相似性,然后根据选定的阈值判断是否把它们进行合并,超像素合并算法可以使超像素分割算法中存在的过分割现象得到很好的改善,并且打破了以前仅仅运用图像的颜色和位置这些信息进行区域合并的限制.
展开