基于图割算法改进的图像分割方法研究

发布时间：2017-04-18 14:13

  本文关键词：基于图割算法改进的图像分割方法研究，由笔耕文化传播整理发布。

【摘要】：基于图论的图像分割方法,由于能够兼顾图像的局部特征和全局特征,一直受到学术界的高度关注。图割(Graph Cuts)作为一种典型的基于图论的图像分割方法,具有图论理论支撑,是计算机图形领域的重要技术手段。然而,随着图像技术的发展和图像分辨率的提升,图割算法中图的复杂度越来越大,导致了图的存储空间大、构图计算量大、计算速度慢等一系列问题。为了解决图割算法处理高分辨率图像时的效率问题,一种可行的方法是通过减少图中节点和边的数目来降低图的复杂度,从而减少图像映射到图的时间以及最大流计算的时间,最终提高图割算法效率。本文以最大流最小割定理为基础,研究并设计了基于能量函数和基于流量检测的图割改进算法。首先,本文对Boykov-Jolly能量函数进行了改进,并基于改进的能量函数实现了图割算法改进。标准图割算法中,每个像素节点都需要同时和两个终端节点相连。而改进的图割算法中,由于修改后的能量函数区域项可以同时考虑节点与前景和背景的相似程度,所以每个节点只需要和一个终端节点相连,从而减少了节点与终端之间的边的数目、降低了图的复杂度。实验表明,在保证图像分割效果的前提下,改进算法的运行速度更快,提高了图割算法效率。其次,本文设计了一种图的流量检测方法来判断一个节点是否对最大流计算有用,并基于流量检测方法实现了图割算法改进。根据流守恒条件,满足流量检测公式的节点在寻找最大流的过程中不会被任何流经过,因为其流量可以由外侧的环形区域来提供或吸收。从图中删除这些无用节点和无用边,就可以有效减少图中节点和边的数目。实验表明,改进后的图割算法不需要借助任何低级别的分割工具就可以降低图的复杂度,在保证分割效果的前提下降低了图割算法的时间复杂度。
【关键词】：图像分割 图割 最大流最小割 能量函数 流量检测
【学位授予单位】：北京交通大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP391.41
【目录】：

• 致谢5-6
• 摘要6-7
• ABSTRACT7-11
• 1 引言11-17
• 1.1 研究背景及意义11-12
• 1.2 国内外研究现状12-14
• 1.2.1 顺序策略12-13
• 1.2.2 并行策略13-14
• 1.3 论文研究内容14-16
• 1.4 论文结构安排16-17
• 2 基于图论的图像分割和图割理论17-35
• 2.1 图像分割介绍17-19
• 2.2 基于图论的图像分割19-24
• 2.2.1 图论基础19-23
• 2.2.2 图像与图的对应关系23
• 2.2.3 基于图论的图像分割23-24
• 2.3 最大流最小割定理24-30
• 2.3.1 网络流理论25-26
• 2.3.2 最大流算法26-29
• 2.3.3 最大流最小割定理29-30
• 2.4 图割理论30-34
• 2.4.1 节点和邻接点的确定30-31
• 2.4.2 边和边权值的确定31-32
• 2.4.3 能量函数与图割算法32-34
• 2.5 本章小结34-35
• 3 基于能量函数的图割算法改进35-47
• 3.1 Bokov-Jolly能量函数及其改进35-40
• 3.1.1 F~2和F~3能量函数模型35-37
• 3.1.2 Bokov-Jolly能量函数37-39
• 3.1.3 改进的Boykov-Jolly能量函数39-40
• 3.2 基于Boykov-Jolly能量函数改进的图割算法设计40-42
• 3.3 算法实验与分析42-46
• 3.3.1 算法评价标准42-43
• 3.3.2 实验环境和实验结果43-45
• 3.3.3 实验结果分析45-46
• 3.4 本章小结46-47
• 4 基于流量检测的图割算法改进47-61
• 4.1 流量检测的基本方法与设计47-51
• 4.1.1 流守恒条件47-48
• 4.1.2 流的来源分析48-49
• 4.1.3 流量检测方法设计49-51
• 4.2 基于流量检测的图割改进算法设计51-54
• 4.2.1 概念定义51-52
• 4.2.2 改进算法的设计52-54
• 4.3 基于流量检测的图割改进算法实现54-57
• 4.4 算法实验与分析57-60
• 4.4.1 分割结果评价指标57
• 4.4.2 实验环境和实验结果57-60
• 4.4.3 实验结果分析60
• 4.5 本章小结60-61
• 5 结论61-63
• 5.1 总结61
• 5.2 进一步工作61-63
• 参考文献63-66
• 作者简历及攻读硕士学位期间取得的研究成果66-68
• 学位论文数据集68

【相似文献】

中国期刊全文数据库 前10条

1 唐伟力;龙建忠;;一种基于降雨模型的图像分割方法在砾岩图像分割中的应用[J];成都信息工程学院学报;2007年02期

2 黄晓莉;曾黄麟;王秀碧;刘永春;;基于脉冲耦合神经网络的图像分割[J];信息技术;2008年09期

3 肖飞;綦星光;;图像分割方法综述[J];可编程控制器与工厂自动化;2009年11期

4 汪一休;;一种交互式图像分割的修正优化方法[J];中国科学技术大学学报;2010年02期

5 李丹;;图像分割方法及其应用研究[J];科技信息;2010年36期

6 龚永义;黄辉;于继明;关履泰;;基于熵的两区域图像分割[J];中国图象图形学报;2011年05期

7 张甫;李兴来;陈佳君;;浅谈图像分割方法的研究运用[J];科技创新与应用;2012年04期

8 汪梅;何高明;贺杰;;常见图像分割的技术分析与比较[J];计算机光盘软件与应用;2013年06期

9 魏庆;卢照敢;邵超;;基于复杂性指数的图像分割必要性判别技术[J];计算机工程与应用;2013年16期

10 陈晓丹;李思明;;图像分割研究进展[J];现代计算机(专业版);2013年33期

中国重要会议论文全文数据库 前10条

1 杨魁;赵志刚;;图像分割技术综述[A];2008年中国高校通信类院系学术研讨会论文集（下册）[C];2009年

2 杨暄;郭成安;李建华;;改进的脉冲耦合神经网络及其在图像分割中的应用[A];第十届全国信号处理学术年会（CCSP-2001）论文集[C];2001年

3 杨生友;;图像分割在医学图像中应用现状综述[A];2009中华医学会影像技术分会第十七次全国学术大会论文集[C];2009年

4 闫平昆;;基于模型的图像分割技术及其医学应用[A];第十五届全国图象图形学学术会议论文集[C];2010年

5 高岚;胡友为;潘峰;卢凌;;基于小生境遗传算法的SAR图像分割[A];可持续发展的中国交通——2005全国博士生学术论坛（交通运输工程学科）论文集（下册）[C];2005年

6 孙莉;张艳宁;胡伏原;赵荣椿;;基于Gaussian-Hermite矩的SAR图像分割[A];第十三届全国图象图形学学术会议论文集[C];2006年

7 李盛;;基于协同聚类的图像分割[A];第十四届全国图象图形学学术会议论文集[C];2008年

8 张利;许家佗;;舌象图像分割技术的研究与应用进展[A];中华中医药学会中医诊断学分会第十次学术研讨会论文集[C];2009年

9 秦昆;李振宇;李辉;李德毅;;基于云模型和格网划分的图像分割方法[A];《测绘通报》测绘科学前沿技术论坛摘要集[C];2008年

10 高惠琳;窦丽华;陈文颉;谢刚;;图像分割技术在医学CT中的应用[A];中国自动化学会控制理论专业委员会A卷[C];2011年

中国博士学位论文全文数据库 前10条

1 白雪飞;基于视觉显著性的图像分割方法研究[D];山西大学;2014年

2 黄万里;基于高分卫星数据多尺度图像分割方法的天山森林小班边界提取研究[D];福建师范大学;2015年

3 王辉;图像分割的最优化和水平集方法研究[D];电子科技大学;2014年

4 高婧婧;脑部MR图像分割理论研究[D];电子科技大学;2014年

5 潘改;偏微分方程在图像分割中的应用研究[D];东北大学;2013年

6 冯籍澜;高分辨率SAR图像分割与分类方法研究[D];电子科技大学;2015年

7 李伟斌;图像分割中的变分模型与快速算法研究[D];国防科学技术大学;2014年

8 邓晓政;基于免疫克隆选择优化和谱聚类的复杂图像分割[D];西安电子科技大学;2014年

9 帅永e，

本文编号：315074