中国图象图形学报
中國圖象圖形學報
중국도상도형학보
JOURNAL OF IMAGE AND GRAPHICS
2014年
11期
1596-1603
,共8页
图像分割%相似性搜索%空间约束%连续最大流算法
圖像分割%相似性搜索%空間約束%連續最大流算法
도상분할%상사성수색%공간약속%련속최대류산법
image segmentation%similarity search%spatial constraint%continuous max-flow
目的 图像中的目标一般含有很多子类,仅仅利用某个子类的特征无法完整地分割出目标区域.针对这一问题,提出一种结合相似性拟合与空间约束的图像交互式分割方法.方法 首先,通过手工标记的样本组成各个目标的字典,通过相似度量搜寻测试样本与各个目标的字典中最相似的原子建立拟合项;再结合图像的空间约束项,构建图像分割模型;最后利用连续最大流算法求解,快速实现图像分割的目的.结果 通过对比实验,本文方法的速度比基于稀疏表示的分类方法的速度提高约13倍,而与归一化切割(N-Cut),逻辑回归(logistic regression)等方法相比,本文方法能取得更稳定和准确的分割结果.此外,本文方法无需过完备字典,只需要训练样本能体现各个子类的信息即可得到稳定的图像分割结果.结论 本文交互式图像分割方法,通过结合相似性拟合以及空间约束建立分割模型,并由连续最大流算法求解,实现图像的快速准确的分割.实验结果表明,该方法能够胜任较准确地对自然图像进行分割以及目标提取等任务.
目的 圖像中的目標一般含有很多子類,僅僅利用某箇子類的特徵無法完整地分割齣目標區域.針對這一問題,提齣一種結閤相似性擬閤與空間約束的圖像交互式分割方法.方法 首先,通過手工標記的樣本組成各箇目標的字典,通過相似度量搜尋測試樣本與各箇目標的字典中最相似的原子建立擬閤項;再結閤圖像的空間約束項,構建圖像分割模型;最後利用連續最大流算法求解,快速實現圖像分割的目的.結果 通過對比實驗,本文方法的速度比基于稀疏錶示的分類方法的速度提高約13倍,而與歸一化切割(N-Cut),邏輯迴歸(logistic regression)等方法相比,本文方法能取得更穩定和準確的分割結果.此外,本文方法無需過完備字典,隻需要訓練樣本能體現各箇子類的信息即可得到穩定的圖像分割結果.結論 本文交互式圖像分割方法,通過結閤相似性擬閤以及空間約束建立分割模型,併由連續最大流算法求解,實現圖像的快速準確的分割.實驗結果錶明,該方法能夠勝任較準確地對自然圖像進行分割以及目標提取等任務.
목적 도상중적목표일반함유흔다자류,부부이용모개자류적특정무법완정지분할출목표구역.침대저일문제,제출일충결합상사성의합여공간약속적도상교호식분할방법.방법 수선,통과수공표기적양본조성각개목표적자전,통과상사도량수심측시양본여각개목표적자전중최상사적원자건립의합항;재결합도상적공간약속항,구건도상분할모형;최후이용련속최대류산법구해,쾌속실현도상분할적목적.결과 통과대비실험,본문방법적속도비기우희소표시적분류방법적속도제고약13배,이여귀일화절할(N-Cut),라집회귀(logistic regression)등방법상비,본문방법능취득경은정화준학적분할결과.차외,본문방법무수과완비자전,지수요훈련양본능체현각개자류적신식즉가득도은정적도상분할결과.결론 본문교호식도상분할방법,통과결합상사성의합이급공간약속건립분할모형,병유련속최대류산법구해,실현도상적쾌속준학적분할.실험결과표명,해방법능구성임교준학지대자연도상진행분할이급목표제취등임무.
