圖像在日常的生活和工作中起著越來越重要的作用,圖像的像素數(shù)量以及圖像的質(zhì)量也隨著相機技術(shù)的發(fā)展在逐年提高。面對海量的、不斷增長的大分辨率的圖像數(shù)據(jù),如何快速準確地從大分辨率圖像中提取出所需的信息并理解圖像的內(nèi)容,是圖像處理領(lǐng)域中一個充滿挑戰(zhàn)性的問題,在這種背景下圖像的超像素分割被提了出來。圖像的超像素分割就是把位置鄰近且顏色具有相似性的像素聚合為一個大的像素塊稱為超像素,相比于像素使用超像素表示圖像能更加簡潔高效,提供視覺上有意義的實體。因此,超像素常被作為圖像處理算法和計算機視覺任務(wù)中的原子單元,以提高算法的運行速度。在圖像的超像素分割中如何提高對像素點的區(qū)分能力,使生成的超像素具有良好的規(guī)則性并且超像素的邊界與圖像中物體的邊界緊密黏附,選擇適合當前待分割圖像的算法參數(shù),是提升圖像超像素分割效果的關(guān)鍵問題。本文提出了一種基于區(qū)域分解的超像素分割算法,有效地解決了上述在圖像超像素分割中存在的問題。與現(xiàn)在的圖像超像素分割方法相比,本文方法的核心思想是將待分割圖像分為平坦區(qū)域和非平坦區(qū)域。一方面,在圖像的平坦區(qū)域中可以容易地實現(xiàn)超像素的規(guī)則性。另一方面,在圖像的非平坦區(qū)域中算法生成的超像素... 

【文章來源】：山東大學(xué)山東省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：75 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖１－１僅基于顏色信息難以區(qū)分開的Ｋ域

?山東大學(xué)碩士學(xué)位論文???好。增強超像素的邊界與圖像邊界的貼合，可以獲得更好的圖像邊界貼合率，??但可能會使處于平坦區(qū)域的超像素的規(guī)整性變差，反之亦然。??ｍ：』??（ｃ）?（ｄ）??圖１－２?（ａ）、（ｂ）、（ｃ）和（ｄ）分別是ＳＬＩＣ、ＬＳＣ、ＧＭＭ和ＥＲＳ在超像素個數(shù)為５００時的分割??結(jié)果，可以看出生成的超像素形狀越規(guī)整，超像素與圖像中的梧物體邊界保持黏附就越困??難。??此外，目前的方法在運行期間對不同輸入圖像使用固定的參數(shù)。然而每張??圖像的像素信息有著各種各樣情況，采用相同的參數(shù)在各種內(nèi)容的圖像上通常??會導(dǎo)致不連續(xù)和次佳的性能。??１．４論文的主要工作及創(chuàng)新點??本文首先介紹了圖像超像素分割的研究背景、意義以及現(xiàn)狀，并對目前主??要的圖像超像素分割算法進行了分析和總結(jié)，針對目前存在的一些問題，設(shè)計??了本文的算法，并把本文的算法和其他算法進行了對比、分析和總結(jié)。??本文提出了一種基于區(qū)域劃分的超像素分割算法，以解決１．?３節(jié)中提到的??問題。相比與目前的超像素分割算法，本文方法的核心思想是將輸入圖像分為??８??

?山東大學(xué)碩士學(xué)位論文???后的分割結(jié)果，圖中的數(shù)字代表著該像素點所屬的類別。??｜?Ｓ｛?１１１??；?！?—?ＦＴ＂＂７??祕－隱戀?丨１?；?２?２??—??■?？?２?２?？丨??（？）?（ｄ）??（ｂ）?－？?（ｃ）?ｓ，??圖２－１基于圖論的圖像的超像素分割的基本流程圖。??采用圖論思想的超像素分割方法有ＮＣ：２°］，?ＥＲＳＵ３］，ＴＰＳ［２１ＰＬＲＷ［２５］等。圖論??分割算法的能量函數(shù)往往不夠直觀、不易于理解并且在求解的過程也比較復(fù)雜，??因此在使用中沒有聚類算法那么廣泛。本文提出的算法是在聚類算法的基礎(chǔ)上??進行改進，接下來將詳細介紹基于聚類的超像素分割算法。??２．?２基于聚類的超像素分割算法??基于聚類的超像素分割方法的基本框架如圖２－２所示。首先，設(shè)置要得到??的超像素的個數(shù)，根據(jù)個數(shù)在圖像中選擇相應(yīng)的像素點作為算法的初始聚類中??心：其次，度量每個像素點和聚類中心之間的相似性，根據(jù)相似性給圖中的每個??像素點分配一個唯一的標記；接著，根據(jù)當前的分類信息，使用屬于同一類的像??素，依據(jù)某種策略更新其屬于的聚類中心；然后，重新計算像素點和新的聚類中??心之間的相似性，根據(jù)相似性重新對所有的像素點進行分類標記；不停重復(fù)更新??聚類中心和更新分類信息這兩個步驟，直到滿足所設(shè)的停止條件。停止迭代后??就可以得到所需的結(jié)果。??１２??


本文編號：3382924