基于图论图像分割方法的研究

《基于图论图像分割方法的研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、江苏大学工程硕士学位论文摘要图像分割是图像处理的重要内容，在实际中有广泛应用。图像分割技术把图像空间根据实际应用划分分成一些有意义的区域。例如，一幅航空图片可以分割成工业区、住宅区、湖泊区、森林等。本文研究基于图论的图像分割方法，主要包括基于规范化切割的图像分割方法、基于有向树的图像分割方法以及基于最小生成树的图像分割方法。首先，通过建立基于规范化切割的谱聚类方法在图像分割中应用的完整算法，如：规范化切割准则、规范化切割定义式的变形、谱方法求解最小规范化切割、灰度图像分割算法，并应用该算法对灰度图像进行了实验，对实验结果进行分析，从而

2、讨论各种参数的变动对实验结果的影响。其次，对两种树结构图像分割算法，分别为基于有向树的图像分割方法和基于最小生成树的图像分割方法进行了研究，基于有向树的图像分割算法是一种非迭代的非参数聚类方法，无需任何先验信息和特定的数据分布假设条件，但它不能直接用于灰度图像分割，因为数据聚类算法中定义的密度函数在图像分割中不适用。只有经过修改相关的公式，才可以将其应用在图像分割中。基于最小生成树的图像分割方法是一种新颖的有效的方法，它使用局部准则来生成反映图像全局性质的分割结果。这个算法的一大特点是，在低差异区域可以保持细节，而在高差异区域可以忽略

3、细节，因此，备受广大学者关注。并在实际的图像数据库上对三种算法进行了图像分割的实验比较和分析，得出结果针对层次比较复杂的灰度图像时，DT算法有比较大的优势，可以保持图像中比较重要的细节，这对于航拍图像、医学图像分割具有重要意义；MST算法可以比较清晰地勾勒出目标的轮廓，但是由于使用了Gauss滤波，往往会造成边缘的模糊，但是其基本上可以将单独的目标作为一类，在目标检测与识别等邻域具有重要意义；Ncut算法作为三种算法中唯一的一个具有明确的最优化目标函数的方法，虽然具有完备的理论基础，但是由于谱方法只能给出目标函数的近似解，这使得当图像

4、复杂时，分割结果往往不能满意。但是可以注意到该方法针对具有单一的一致性目标仍然具有较好的分割结果，因此在一些网络图像目标识别(特别是商品识别)中可以得到广泛应用。通过研究，可以发现基于图论的图像分割方法具有重要的理论意义和应用价值，三种不同的基于图论的图像分割方法可以应用在不同的研究领域和不同的图像数据库中。论文中的研究为基于图论的图像分割算法的应用建立了必要的基础。关键词：图像分割；图论；规范化切割；有向树；最小生成树江苏大学工程硕士学位论文AbstractImagesegmentationisimportantinimagepro

5、cessingwithawiderangeofapplications．Itistopartitionanimageintoseveralmeaningfulregionsrepresentingphysicalobjectsinourrealworld．Forexample，allaviationphotocouldbesegmentedintoindustrialpark，uptown，lakecountryorplantationregions．Thisdissertationistostudythegraph-basedima

6、gesegmentationmethods，includingnormalized—cuts，directed·trees，andinimum-spanning—treesbasedmethodsforimagesegmentation．Basedonthenormalizedcutspectralclusteringmethodofimagesegmentationintheapplicationofthecompletealgorithm，theexperimentalresultsareanalyzed，discusstheva

7、riousparameterchangesontheimpactofexperimentalresults．Secondly,ontwotreeimagesegmentationalgorithm，respectivelydirectedtreebasedapproachforimagesegmentationbasedonminimumspanningtreeimagesegmentationmethodwasstudied，andtheactualimagedatabaseforthreekindsofalgorithmsfori

8、magesegmentationofexperimentalcomparisonandanalysis，itresultsinhierarchicalcomplexgrayimage，DTalgorithmhasmore