-
摘要基于图割的交互式图像分割方法以其简单的交互方式，较好的分割结果等特性获得了广泛的关注。对于背景简单的图像，用户只需提供较少的种子点，图割算法就能自动获取满意的分割结果。然而，对于噪声以及纹理图像，传统的图割算法往往较难获得满意的结果。为了克服以上问题，进一步提升图割算法的分割精度，本文在传统图割模型基础上有效地引入图像片级信息，通过比较两个图像片间的相似性来获得更加精确的特征。已有的基于图像片的分割方法一般将图像片级信息引入能量函数的边界项，由于需要计算所有图像片间的相似性，极大地增加了算法的时间复杂度。为了在图割模型中有效地利用图像片信息，本文首先使用混合高斯模型（GMM）来为图像片的结构特征建模，这样基于GMM的学习，我们可以获得图像片级信息。然后将像素级信息与图像片级信息相结合，以进一步提高边界区域细节的分割精度。本文最后对所提出的算法进行了大量实验，验证了其有效性和鲁棒性。28217
- 上一篇：基于最大匹配及其改进算法的中文分词技术
- 下一篇：基于稀疏表示的特征选择算法
关键词 图像分割 非局部 图像片 图割
毕业论文设计说明书外文摘要
Title The research on combining adaptive patch and the interactive image segmentation based on graph cut
Abstract
The interactive image segmentation algorithm based on graph cut has attracted considerable attention due to its simple interaction, better segmentation results and other features. For image with simple background, user only need to provide less seeds and then the graph cut algorithm can automatically obtain a satisfactory segmentation result. However it always obtains a satisfactory result difficultly for image with noise and texture. In order to overcome above problems and further improve the accuracy of the segmentation, in this paper, patch-level information is effective introduced into the traditional graph cut model, in which the more accurate feature is utilized by comparing the similarities between two patches. The segmentation methods based on patches usually introduce the patch-level information into the boundary term of the energy function, which would dramatically increase the time complexity due to the similarity computations of all patches. To effectively utilize the patch information in graph cut model, in this paper, we first utilize the Gaussian mixture model (GMM) to construct the structural features of patches. Therefore, the patch-level information can be obtained based on the learning of GMM. Then we combine the pixel-level information and patch-level information together to further improve the segmentation accuracy for the details around boundary regions. The performance of our proposed approach demonstrates its improved robustness and effectiveness.
Keywords Image segmentation Nonlocal Image patch Graph cut
目 次
1 绪论 1
1.1 图像分割研究背景 1
1.2 交互式图像分割研究现状 2
1.3 本文主要内容及章节安排 4
2 图像分割的理论基础 5
2.1 图像分割的定义 5
2.2 图像分割方法的分类 6
2.3 分割特征及描述方法 6
2.4 本章小结 9
3 基于图割理论的图像分割 10
3.1 图理论 10
3.2 s-t网络流图与其割 11
3.3 基于图割理论的图像分割 12
3.4 基于非局部方法的模型 14
3.5 本章小结 15
4 结合像素和图像片的图像分割算法 16
4.1 高斯混合模型 16
4.2 本文算法 17
4.3 实验结果与分析 21
4.4 本章小结 25
-
Justep基于开放平台的企业...
-
车载自组网AODV协议的仿真研究
-
PLC清水坝集控中心自动化...
-
网络新闻文本中的命名实体自动抽取研究
-
无线自组织网络MAC层协议设计与实现
-
C#电子邮件自动发送软件设计与实现
-
HSI机器视觉的两自由度机器人对接技术研究
电站锅炉暖风器设计任务书
杂拟谷盗体内共生菌沃尔...
河岸冲刷和泥沙淤积的监测国内外研究现状
十二层带中心支撑钢结构...
大众媒体对公共政策制定的影响
java+mysql车辆管理系统的设计+源代码
当代大学生慈善意识研究+文献综述
乳业同业并购式全产业链...
中考体育项目与体育教学合理结合的研究
酸性水汽提装置总汽提塔设计+CAD图纸