基于区域分解的超像素分割研究
发布时间：2021-09-04 08:26
图像在日常的生活和工作中起着越来越重要的作用,图像的像素数量以及图像的质量也随着相机技术的发展在逐年提高。面对海量的、不断增长的大分辨率的图像数据,如何快速准确地从大分辨率图像中提取出所需的信息并理解图像的内容,是图像处理领域中一个充满挑战性的问题,在这种背景下图像的超像素分割被提了出来。图像的超像素分割就是把位置邻近且颜色具有相似性的像素聚合为一个大的像素块称为超像素,相比于像素使用超像素表示图像能更加简洁高效,提供视觉上有意义的实体。因此,超像素常被作为图像处理算法和计算机视觉任务中的原子单元,以提高算法的运行速度。在图像的超像素分割中如何提高对像素点的区分能力,使生成的超像素具有良好的规则性并且超像素的边界与图像中物体的边界紧密黏附,选择适合当前待分割图像的算法参数,是提升图像超像素分割效果的关键问题。本文提出了一种基于区域分解的超像素分割算法,有效地解决了上述在图像超像素分割中存在的问题。与现在的图像超像素分割方法相比,本文方法的核心思想是将待分割图像分为平坦区域和非平坦区域。一方面,在图像的平坦区域中可以容易地实现超像素的规则性。另一方面,在图像的非平坦区域中算法生成的超像素...
【文章来源】：山东大学山东省 211工程院校 985工程院校 教育部直属院校
【文章页数】：75 页
【学位级别】：硕士
【部分图文】：
图１－１仅基于颜色信息难以区分开的Ｋ域
?山东大学硕士学位论文???好。增强超像素的边界与图像边界的贴合，可以获得更好的图像边界贴合率，??但可能会使处于平坦区域的超像素的规整性变差，反之亦然。??ｍ：』??（ｃ）?（ｄ）??图１－２?（ａ）、（ｂ）、（ｃ）和（ｄ）分别是ＳＬＩＣ、ＬＳＣ、ＧＭＭ和ＥＲＳ在超像素个数为５００时的分割??结果，可以看出生成的超像素形状越规整，超像素与图像中的梧物体边界保持黏附就越困??难。??此外，目前的方法在运行期间对不同输入图像使用固定的参数。然而每张??图像的像素信息有着各种各样情况，采用相同的参数在各种内容的图像上通常??会导致不连续和次佳的性能。??１．４论文的主要工作及创新点??本文首先介绍了图像超像素分割的研究背景、意义以及现状，并对目前主??要的图像超像素分割算法进行了分析和总结，针对目前存在的一些问题，设计??了本文的算法，并把本文的算法和其他算法进行了对比、分析和总结。??本文提出了一种基于区域划分的超像素分割算法，以解决１．?３节中提到的??问题。相比与目前的超像素分割算法，本文方法的核心思想是将输入图像分为??８??
?山东大学硕士学位论文???后的分割结果，图中的数字代表着该像素点所属的类别。??｜?Ｓ｛?１１１??；?！?—?ＦＴ＂＂７??祕－隱戀?丨１?；?２?２??—??■?？?２?２?？丨??（？）?（ｄ）??（ｂ）?－？?（ｃ）?ｓ，??图２－１基于图论的图像的超像素分割的基本流程图。??采用图论思想的超像素分割方法有ＮＣ：２°］，?ＥＲＳＵ３］，ＴＰＳ［２１ＰＬＲＷ［２５］等。图论??分割算法的能量函数往往不够直观、不易于理解并且在求解的过程也比较复杂，??因此在使用中没有聚类算法那么广泛。本文提出的算法是在聚类算法的基础上??进行改进，接下来将详细介绍基于聚类的超像素分割算法。??２．?２基于聚类的超像素分割算法??基于聚类的超像素分割方法的基本框架如图２－２所示。首先，设置要得到??的超像素的个数，根据个数在图像中选择相应的像素点作为算法的初始聚类中??心：其次，度量每个像素点和聚类中心之间的相似性，根据相似性给图中的每个??像素点分配一个唯一的标记；接着，根据当前的分类信息，使用属于同一类的像??素，依据某种策略更新其属于的聚类中心；然后，重新计算像素点和新的聚类中??心之间的相似性，根据相似性重新对所有的像素点进行分类标记；不停重复更新??聚类中心和更新分类信息这两个步骤，直到满足所设的停止条件。停止迭代后??就可以得到所需的结果。??１２??
本文编号：3382924
【文章来源】：山东大学山东省 211工程院校 985工程院校 教育部直属院校
【文章页数】：75 页
【学位级别】：硕士
【部分图文】：
图１－１仅基于颜色信息难以区分开的Ｋ域
?山东大学硕士学位论文???好。增强超像素的边界与图像边界的贴合，可以获得更好的图像边界贴合率，??但可能会使处于平坦区域的超像素的规整性变差，反之亦然。??ｍ：』??（ｃ）?（ｄ）??图１－２?（ａ）、（ｂ）、（ｃ）和（ｄ）分别是ＳＬＩＣ、ＬＳＣ、ＧＭＭ和ＥＲＳ在超像素个数为５００时的分割??结果，可以看出生成的超像素形状越规整，超像素与图像中的梧物体边界保持黏附就越困??难。??此外，目前的方法在运行期间对不同输入图像使用固定的参数。然而每张??图像的像素信息有着各种各样情况，采用相同的参数在各种内容的图像上通常??会导致不连续和次佳的性能。??１．４论文的主要工作及创新点??本文首先介绍了图像超像素分割的研究背景、意义以及现状，并对目前主??要的图像超像素分割算法进行了分析和总结，针对目前存在的一些问题，设计??了本文的算法，并把本文的算法和其他算法进行了对比、分析和总结。??本文提出了一种基于区域划分的超像素分割算法，以解决１．?３节中提到的??问题。相比与目前的超像素分割算法，本文方法的核心思想是将输入图像分为??８??
?山东大学硕士学位论文???后的分割结果，图中的数字代表着该像素点所属的类别。??｜?Ｓ｛?１１１??；?！?—?ＦＴ＂＂７??祕－隱戀?丨１?；?２?２??—??■?？?２?２?？丨??（？）?（ｄ）??（ｂ）?－？?（ｃ）?ｓ，??图２－１基于图论的图像的超像素分割的基本流程图。??采用图论思想的超像素分割方法有ＮＣ：２°］，?ＥＲＳＵ３］，ＴＰＳ［２１ＰＬＲＷ［２５］等。图论??分割算法的能量函数往往不够直观、不易于理解并且在求解的过程也比较复杂，??因此在使用中没有聚类算法那么广泛。本文提出的算法是在聚类算法的基础上??进行改进，接下来将详细介绍基于聚类的超像素分割算法。??２．?２基于聚类的超像素分割算法??基于聚类的超像素分割方法的基本框架如图２－２所示。首先，设置要得到??的超像素的个数，根据个数在图像中选择相应的像素点作为算法的初始聚类中??心：其次，度量每个像素点和聚类中心之间的相似性，根据相似性给图中的每个??像素点分配一个唯一的标记；接着，根据当前的分类信息，使用属于同一类的像??素，依据某种策略更新其属于的聚类中心；然后，重新计算像素点和新的聚类中??心之间的相似性，根据相似性重新对所有的像素点进行分类标记；不停重复更新??聚类中心和更新分类信息这两个步骤，直到满足所设的停止条件。停止迭代后??就可以得到所需的结果。??１２??
本文编号：3382924
本文链接：https://www.wllwen.com/shoufeilunwen/xixikjs/3382924.html
