基于最大相似度区域合并的交互式图像分割.doc

《基于最大相似度区域合并的交互式图像分割.doc》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、基于最大相似度区域合并的交互式图像分割一．实验目的实现一种可以将初步分割过后的图片进行目标与背景分离的算法，即基于最大相似度区域合并的交互式图像分割算法。图像分割是图像分析及计算机视觉系统中的重要环节。只有在图像分割的基础上才能对目标进行特征提取、参数测量和识别，使得更高层的图像分析和理解成为可能，图像分割质量的好坏直接影响后续图像处理的效果。因此，可以说图像分割是图像处理中最为重要的环节。本次实验中提出的算法可以很好地实现图像分割的目的。二．实验背景知识及原理1、Meanshift算法初始分割图片区域合并的前提是输入图片为

2、已被其他方法分割为小区域的图片，本文主要使用了均值漂移分割法（meanshift）。经过分割后的图像如下图所示：2、区域表示和相似性度量本文采用RGB颜色空间估计的颜色直方图表示图像中的每个区域，当然，其它颜色空间，如HSI和Lab等，也可用于对区域建模。将RGB颜色空间量子化为16x16x16=4096箱格，然后计算每个区域的归一化直方图。为了度量区域之间的相似性．选择巴氏系数测量区域R和Q的相似度：上式中，和分别表示区域R和Q的直方图。上标u表示直方图的第u个箱格。两个区域的内容相似度越大，直方图越相似，巴氏系数就越高。

3、由此，可以通过计算巴氏系数来比较不同区域之间的相似度。3、目标和背景的标记用户只用做一小部分的标记：绿色标记目标，蓝色标记背景。用以下符号来表示相关区域：MB：标记为背景的区域；MO：标记为目标的区域；N：未标记区域。4、基于最大相似度的区域合并准则（1）Q是R的邻近区域，用表示Q的邻近区域，显然。（2）计算Q与所有邻近区域之间的相似度。（3）当时，R与Q合并。5、合并过程整个合并过程共分为两个阶段，这两个阶段循环进行。主要算法：while上次循环中有区域被合并阶段一;阶段二;end;其中：阶段一：（将N中的区域和MB中的区

4、域合并）（1-1）对每个MB中的区域B，它的邻近区域的集合为。（1-2）对每个不在MB中的区域Ai，它的邻近区域的集合，因此有。（1-3）如果，则表示B和Ai具有最大相似度，可以合并为同一个区域，否则不合并。（1-4）相应地更新MB和N。（1-5）如果MB找不到新的合并区域，则阶段一结束。否则，返回到（1-1）。阶段二：（将N中的区域与N中的区域合并）（2-1）对每个N中的区域P，它的邻近区域的集合为。（2-2）对每个N中的区域Hi，它的邻近区域的集合为因此有。（2-3）如果则表示P和Hi具有最大相似度，可以合并为同一个区域

5、，否则不合并。（2-4）相应地更新N。（2-5）如果N区域中没有还能合并的区域，阶段二结束。否则返回到（2-1）。循环停止条件：在整个算法中，设未标记区域（N）中的区域个数为n，n会随着一些未被标记区域与背景（MB）或与其他区域合并而减少，当n停止减少的时候，算法停止。剩余的未被标记的区域将会被标记为目标（MO），由此实现了目标与背景的分割。三．实验结果及分析：1、实验结果：第一回合第一阶段的合并：第一回合第二阶段的合并:第二回合第一阶段的合并：合并完成后的结果：2、实验分析：（1）MSRM方法分割图像的结果与GCP和GCR

6、分割方法结果的比较：初始分割GCPGCRMSRM从上述分割结果我们可以很明显地看出：MSRM方法的分割效果是明显优于其他方法的。（2）在分别使用不同的颜色空间（如HSI）、不同的距离度量（如Euclidean）、不同的初始分割方法（如super-pixel）时，分割结果分别如下：HSI颜色空间Euclidean距离super-pixel由上述结果可以得知：颜色空间、距离度量、初始分割方法对分割结果基本无影响。（3）只要标记覆盖了主要的特征区，合并的结果都是一样的。左边图中的2次不同的标记，它们都包含了花的黄色部分和白色部分，

7、因此合并的结果都是右边的图片。（4）标记的越多，MSRM算法效果越好。（5）图像质量的好坏影响最终的分割结果：由分割结果可知：有阴影、边缘对比度低、区域模糊时，分割效果不好。（6）当对目标或背景所做的标记不同时，可能会对合并结果产生影响：由图像分割结果可知：上下两幅图在鸟嘴处的差别是比较明显的。（7）由于区域合并等所需计算量较大，算法运行需要较长时间。四、实验总结该论文提出了一种基于区域合并的交互式图像分割算法MSRM，它用MeanShift算法对图像作初步分割，分割结果的区域作为算法处理的基本单位。然后，用户输入交互式信息

8、，指定目标和背景的大致位置和特征信息，提出的算法将自动从各种背景中分割目标。算法在目标标记和背景标记的指导下，基于最大相似度机制进行区域合并，并提取目标。提出的算法简单有效，避免了在传统的一些方法中阈值设置困难的问题。但是，算法受用户输入的信息影响，并且由于需要大量计算而使得运行速度较慢。