發(fā)布時(shí)間：2018-06-11 20:03

  本文選題：圖像分割 + 隨機(jī)游走�。� 參考：《儀器儀表學(xué)報(bào)》2017年07期

【摘要】：傳統(tǒng)隨機(jī)游走圖像分割需要多次交互設(shè)置種子點(diǎn)以獲得理想的分割結(jié)果。在視覺注意的基礎(chǔ)上,提出了一種新的自動(dòng)確定種子點(diǎn)的隨機(jī)游走圖像分割算法。首先對(duì)圖像進(jìn)行超像素分割,并生成概率邊界圖(PBM);然后基于Itti模型,通過視覺注意焦點(diǎn)的轉(zhuǎn)移搜尋待分割的關(guān)鍵區(qū)域;為確定關(guān)鍵分割區(qū)域種子點(diǎn),以當(dāng)前注意焦點(diǎn)作為極點(diǎn)對(duì)概率邊界圖進(jìn)行極坐標(biāo)變換,在獲得的極坐標(biāo)概率邊界圖上建立關(guān)于焦點(diǎn)區(qū)域邊界的能量函數(shù),采用圖論max-flow min-cut算法最小化能量函數(shù)檢測(cè)焦點(diǎn)區(qū)域的最優(yōu)邊界,焦點(diǎn)區(qū)域邊界內(nèi)的超像素即為種子點(diǎn);最后以超像素為節(jié)點(diǎn)構(gòu)造圖,在圖上隨機(jī)游走完成圖像分割。在Berkeley Segmentation Data Set上的實(shí)驗(yàn)表明本文方法能有效分割復(fù)雜圖像。
[Abstract]:Traditional random walk image segmentation requires multiple interactive seed points to obtain ideal segmentation results. On the basis of visual attention, a new random walk image segmentation algorithm is proposed, which can automatically determine seed points. Firstly, the image is segmented by super-pixel, and the probabilistic boundary map is generated. Then, based on the Itti model, the key areas to be segmented are searched through the shift of visual focus. Taking the current focus as the pole, the polar coordinate transformation of the probabilistic boundary map is carried out, and the energy function about the boundary of the focal area is established on the obtained polar coordinate probabilistic boundary map. The algorithm of graph theory max-flow min-cut is used to minimize the energy function to detect the optimal boundary of the focus region. The super-pixel in the focus region is the seed point. Finally, the super-pixel is used as the node to construct the graph, and the image segmentation is completed by random walk on the graph. Experiments on Berkeley Segmentation data set show that the proposed method can effectively segment complex images.
【作者單位】： 西華大學(xué)機(jī)械工程學(xué)院;
【基金】：教育部春暉計(jì)劃項(xiàng)目(12202528) 西華大學(xué)重點(diǎn)項(xiàng)目(Z1120223)資助
【分類號(hào)】：TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 陳君華;胡昌振;;基于隨機(jī)游走的蠕蟲網(wǎng)絡(luò)演化研究[J];信息網(wǎng)絡(luò)安全;2009年07期

2 吳迪;周利娟;林鴻飛;;基于隨機(jī)游走的就業(yè)推薦系統(tǒng)研究與實(shí)現(xiàn)[J];廣西師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2011年01期

3 李星;鐘志農(nóng);李洋;;一種隨機(jī)游走中心性的快速算法[J];計(jì)算機(jī)應(yīng)用研究;2013年08期

4 曹穎;郝欣;朱曉恩;夏順仁;;基于自動(dòng)隨機(jī)游走的乳腺腫塊分割算法[J];浙江大學(xué)學(xué)報(bào)(工學(xué)版);2011年10期

5 李靖;冀中;;圖像多樣性重排序技術(shù)綜述[J];信息技術(shù);2013年06期

6 楊永向;吳為民;;隱含因子在隨機(jī)游走模型中的應(yīng)用[J];計(jì)算機(jī)應(yīng)用研究;2014年07期

7 肖杰斌;張紹武;;基于隨機(jī)游走和增量相關(guān)節(jié)點(diǎn)的動(dòng)態(tài)網(wǎng)絡(luò)社團(tuán)挖掘算法[J];電子與信息學(xué)報(bào);2013年04期

8 徐穎;;油氣儲(chǔ)層隨機(jī)游走建模軟件的設(shè)計(jì)[J];軟件導(dǎo)刊;2009年01期

9 吳瓊;譚松波;許洪波;段m#毅;程學(xué)旗;;基于隨機(jī)游走模型的跨領(lǐng)域傾向性分析研究[J];計(jì)算機(jī)研究與發(fā)展;2010年12期

10 曾孝平;劉刈;劉國金;;基于圖譜理論和隨機(jī)游走核的圖像去噪[J];通信學(xué)報(bào);2010年07期

相關(guān)會(huì)議論文 前2條

1 鄭偉;王朝坤;劉璋;王建民;;一種基于隨機(jī)游走模型的多標(biāo)簽分類算法[A];NDBC2010第27屆中國數(shù)據(jù)庫學(xué)術(shù)會(huì)議論文集A輯一[C];2010年

2 朱松豪;羅青青;梁志偉;;一種改進(jìn)圖像標(biāo)注的新方法[A];第24屆中國控制與決策會(huì)議論文集[C];2012年

相關(guān)博士學(xué)位論文 前3條

1 孫甲申;基于主題模型和隨機(jī)游走的標(biāo)簽技術(shù)研究[D];北京郵電大學(xué);2013年

2 呂強(qiáng);面向高性能和強(qiáng)表達(dá)力的自動(dòng)規(guī)劃[D];中國科學(xué)技術(shù)大學(xué);2013年

3 廖振;基于查詢點(diǎn)擊核心圖的查詢推薦問題研究[D];南開大學(xué);2013年

相關(guān)碩士學(xué)位論文 前10條

1 鞠薇;基于隨機(jī)游走和圖割算法的PET-CT肺腫瘤分割[D];蘇州大學(xué);2015年

2 孫星;基于部分吸收隨機(jī)游走的協(xié)同顯著性檢測(cè)[D];大連理工大學(xué);2015年

3 宋文靜;基于多條隨機(jī)游走的圖像檢索[D];河南大學(xué);2015年

4 汪幫菊;基于隨機(jī)游走的復(fù)雜網(wǎng)絡(luò)聚類算法研究[D];安徽大學(xué);2016年

5 金連寶;基于分層信息融合和隨機(jī)游走的顯著性檢測(cè)[D];南昌航空大學(xué);2016年

6 馮維思;多屬性隨機(jī)游走在社會(huì)網(wǎng)絡(luò)中的應(yīng)用[D];西南大學(xué);2016年

7 唐小龍;基于隨機(jī)游走的圖像分割相關(guān)算法研究[D];電子科技大學(xué);2016年

8 顧瀟蒙;基于隨機(jī)游走算法的CT圖像肺區(qū)域和肺腫瘤的分割研究[D];河北大學(xué);2016年

9 趙倩倩;基于量子隨機(jī)游走的偽隨機(jī)發(fā)生器及圖像加密算法的研究[D];北京工業(yè)大學(xué);2016年

10 白坤;基于本體與基因網(wǎng)絡(luò)的致病基因預(yù)測(cè)研究[D];哈爾濱工業(yè)大學(xué);2016年

，

本文編號(hào)：2006523