基于半监督学习和区域特性的图像分割算法研究

《基于半监督学习和区域特性的图像分割算法研究》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、摘要摘要图像分割是数字图像分析中的重要环节，它既是对所有图像预处理效果的一个检验，也是后续进行图像分析与解译的基础。因此，对于图像分割的研究一直受到人们的广泛重视，也提出了大量不同的算法。本论文以医学图像分割和SAR图像分割为应用背景，对基于三维区域生长的腹部器官提取算法进行了研究和改进，同时研究了两种基于半监督学习的SAR图像分割方法。本论文的主要工作概括如下：(1)提出了一种基于二次三维区域生长的腹部器官提取算法。为了抑制区域生长中出现的过分割现象，该算法提出利用Canny边缘和第一次区域生长后得到的结果图的形态学边缘来约束第二次

2、的区域生长。实验证明该算法不仅有效地抑制了过分割，同时分割结果中的空洞也明显减少，能比较完整的提取出腹部器官。(2)提出了一种基于距离学习的半监督谱聚类算法。该算法利用数据的成对约束信息来学习一种距离度量，用该距离来构建相似度矩阵，并采用带约束的K．均值聚类算法对谱映射后的特征向量进行聚类。该算法充分利用了数据的先验信息，提高了算法的稳定性。在纹理图像和SAR图像上的实验表明该算法较传统的谱聚类算法有更高的分割精度。(3)提出了一种结合分水岭和改进的Laplacian支持向量机(LaplaciaaSVM)算法的SAR图像分割方法。为了

3、避免参数的选择问题，该算法将自调节图引入到LaplaciaaSVM算法中。另外，由于LaplacianSVM算法中用到图和核函数的思想，将其应用到图像分割问题时，会出现存储量和计算量大的问题。该算法利用分水岭算法对图像先进行粗分割，再使用改进的LaplacianSVM算法对过分割区域进行分类，从而减少了图像分割的时间。本课题得到国家自然科学基金(No．60872135，60970067，60803098)，国家教育部博士点基金(No．20070701022)fl勺资助。关键词：图像分割半监督学习三维区域生长谱聚类Laplacian支持

4、向量机AbstractIIlSegmentationisoneofthemostdifficultandimportantstepsindigitalimageprocessing．SegmentationaccuracydeterminestheeventualSUCCESSorfailureofcomputerizedanalysisprocedure．Therefore，theresearchofimagesegmentationhasbeengettinggreatattention．Andanumberofdifferent

5、algorithmshavebeenproposed．BasedontheapplicationofmedicalimagesegmentationandSARimagesegmentation,thispaperresearchesthesegmentationofabdominalorgansfromCTscansusing3Dregiongrowingalgorithm，andthesegmentationofSARimagebasedontwokindsofsemi-supervisedlearningalgorithm．Th

6、emaincontributionscanbesummarized嬲follows：(1)Anewmethodofabdominalorganextractionbasedontwice3Dregiongrowingalgorithmisproposed．Inordertoinhibitthephenomenonofover-segmentationappearedinthetraditional3Dregiongrowingalgorithm,thealgorithmusestheCannyedgesandthemorphologi

7、calcdgeoftheimageobtainedfromthefirst3Dregiongrowingtorestrainthesecondgrowthoftheregion．Theexperimentsshowthealgorithmnotonlycaneffectivelyinhibitthephenomenonofover-segmentation,butalsoCansignificantlyreducethenumberofholesinthesegmentationresults．ItCanextractabdomina

8、lorganseffectively．(2)Asemi-supervisedspectralclusteringbasedondistancelearningalgorithmisproposed．Thealgorith