本文選題：圖像分割 + 隨機游走�。� 參考：《儀器儀表學報》2017年07期

【摘要】：傳統(tǒng)隨機游走圖像分割需要多次交互設置種子點以獲得理想的分割結果。在視覺注意的基礎上,提出了一種新的自動確定種子點的隨機游走圖像分割算法。首先對圖像進行超像素分割,并生成概率邊界圖(PBM);然后基于Itti模型,通過視覺注意焦點的轉移搜尋待分割的關鍵區(qū)域;為確定關鍵分割區(qū)域種子點,以當前注意焦點作為極點對概率邊界圖進行極坐標變換,在獲得的極坐標概率邊界圖上建立關于焦點區(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)檢測焦點區(qū)域的最優(yōu)邊界,焦點區(qū)域邊界內的超像素即為種子點;最后以超像素為節(jié)點構造圖,在圖上隨機游走完成圖像分割。在Berkeley Segmentation Data Set上的實驗表明本文方法能有效分割復雜圖像。
[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】： 西華大學機械工程學院;
【基金】：教育部春暉計劃項目(12202528) 西華大學重點項目(Z1120223)資助
【分類號】：TP391.41

【相似文獻】

相關期刊論文 前10條

1 陳君華;胡昌振;;基于隨機游走的蠕蟲網絡演化研究[J];信息網絡安全;2009年07期

2 吳迪;周利娟;林鴻飛;;基于隨機游走的就業(yè)推薦系統(tǒng)研究與實現(xiàn)[J];廣西師范大學學報(自然科學版);2011年01期

3 李星;鐘志農;李洋;;一種隨機游走中心性的快速算法[J];計算機應用研究;2013年08期

4 曹穎;郝欣;朱曉恩;夏順仁;;基于自動隨機游走的乳腺腫塊分割算法[J];浙江大學學報(工學版);2011年10期

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

6 楊永向;吳為民;;隱含因子在隨機游走模型中的應用[J];計算機應用研究;2014年07期

7 肖杰斌;張紹武;;基于隨機游走和增量相關節(jié)點的動態(tài)網絡社團挖掘算法[J];電子與信息學報;2013年04期

8 徐穎;;油氣儲層隨機游走建模軟件的設計[J];軟件導刊;2009年01期

9 吳瓊;譚松波;許洪波;段m#毅;程學旗;;基于隨機游走模型的跨領域傾向性分析研究[J];計算機研究與發(fā)展;2010年12期

10 曾孝平;劉刈;劉國金;;基于圖譜理論和隨機游走核的圖像去噪[J];通信學報;2010年07期

相關會議論文 前2條

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

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

相關博士學位論文 前3條

1 孫甲申;基于主題模型和隨機游走的標簽技術研究[D];北京郵電大學;2013年

2 呂強;面向高性能和強表達力的自動規(guī)劃[D];中國科學技術大學;2013年

3 廖振;基于查詢點擊核心圖的查詢推薦問題研究[D];南開大學;2013年

相關碩士學位論文 前10條

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

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

3 宋文靜;基于多條隨機游走的圖像檢索[D];河南大學;2015年

4 汪幫菊;基于隨機游走的復雜網絡聚類算法研究[D];安徽大學;2016年

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

6 馮維思;多屬性隨機游走在社會網絡中的應用[D];西南大學;2016年

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

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

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

10 白坤;基于本體與基因網絡的致病基因預測研究[D];哈爾濱工業(yè)大學;2016年

，

本文編號：2006523