积分商城

最新搜索： ide手册 WINCE 传感器 拼音输入 STM32CubeMX vee使用
您现在的位置是：首页 > 技术资料 > 一种基于自适应标记与区域间近邻传播聚类的分水岭图像分割算法
推荐星级：
  • 1
  • 2
  • 3
  • 4
  • 5

一种基于自适应标记与区域间近邻传播聚类的分水岭图像分割算法

更新时间：2019-12-24 02:05:01 大小：545K 上传用户：zhiyao6查看TA发布的资源 标签：图像分割算法 下载积分：1分 评价赚积分 （如何评价?） 打赏 收藏 评论(0) 举报

资料介绍

分水岭算法是一种高效的图像分割算法,能够准确地对图像进行基于区域的分割,但是存在易过分割的问题.为此本文提出一种改进的分水岭算法:首先,对彩色图像进行频谱包络滤波并计算彩色梯度获得梯度图像,再采取一种自适应设定参数的H-minima技术,对梯度图像的极小值区域进行标记;然后,对已标记极小值区域的梯度图像进行分水岭分割;最后,计算分水岭分割所得各区域的颜色矩,作为该区域的颜色特征,并对这些区域进行近邻传播聚类获得分割结果.通过与近年来其它改进的分水岭算法和采用聚类的图像分割算法实验比较,本文所提算法能更加有效地抑制过分割,提高分割准确率,具有良好的自适应性和鲁棒性.


部分文件列表

文件名 大小
一种基于自适应标记与区域间近邻传播聚类的分水岭图像分割算法.pdf 545K

【关注B站账户领20积分】

部分页面预览

（完整内容请下载后查看）
8
第 期  
Vol． 45 No． 8  
Aug． 2017  
电
子
学
报
2017  
8
年 月  
ACTA ELECTRONICA SINICA  
一种基于自适应标记与区域间近邻  
传播聚类的分水岭图像分割算法  
1，2  
3，4  
1，2  
1，2  
5
，
，
，
，
蔡 强 刘亚奇 曹 健 李海生 杜军平  
( 1.  
，
100048; 2.  
，
100048;  
北京工商大学计算机与信息工程学院 北京  
中国科学院信息工程研究所信息安全国家重点实验室 北京  
5.  
食品安全大数据技术北京市重点实验室 北京  
3.  
，
100093; 4.  
，
中国科学院大学网络空间安全学院 北京  
100093;  
，
100876)  
北京邮电大学计算机学院 北京  
:
， ，  
分水岭算法是一种高效的图像分割算法 能够准确地对图像进行基于区域的分割 但是存在易过分割  
摘 要  
．
:
，
的问题 为此本文提出一种改进的分水岭算法 首先 对彩色图像进行频谱包络滤波并计算彩色梯度获得梯度图像 再  
，
H-minima  
， ; ，  
技术 对梯度图像的极小值区域进行标记 然后 对已标记极小值区域的梯度  
采取一种自适应设定参数的  
;
，
，
图像进行分水岭分割 最后 计算分水岭分割所得各区域的颜色矩 作为该区域的颜色特征 并对这些区域进行近邻传  
，
． ，  
播聚类获得分割结果 通过与近年来其它改进的分水岭算法和采用聚类的图像分割算法实验比较 本文所提算法能更  
， ，  
加有效地抑制过分割 提高分割准确率 具有良好的自适应性和鲁棒性  
．
:
;
;
;
;
关键词  
中图分类号  
URL: http: / /www． ejournal． org． cn  
分水岭算法 自适应标记 近邻传播聚类 图像分割 过分割  
TP391  
0372-2112 ( 2017) 08-1911-08  
DOI: 10． 3969 /j． issn． 0372-2112． 2017． 08． 015  
:
:
A
:
文章编号  
文献标识码  
电子学报  
A Watershed Image Segmentation Algorithm Based on  
Self-adaptive Marking and Interregional Affinity  
Propagation Clustering  
1，2  
3，4  
1，2  
1，2  
5
CAI Qiang ，LIU Ya-qi ，CAO Jian ，LI Hai-sheng ，DU Jun-ping  
( 1. School of Computer and Information Engineering，Beijing Technology and Business University，Beijing100048，China;  
2. Beijing Key Laboratory of Big Data Technology for Food Safety，Beijing 100048，China;  
3. State Key Laboratory of Information Security，Institute of Information Engineering，Chinese Academy of Sciences，Beijing 100093，China;  
4. School of Cyber Security，University of Chinese Academy of Sciences，Beijing 100093，China;  
5. School of Computer Science，Beijing University of Posts and Telecommunications，Beijing 100876，China)  
Abstract: The watershed algorithm can conduct region- based image segmentation effectively and accurately，but it  
tends to cause over-segmentation． To tackle the above mentioned problem，an improved watershed algorithm is proposed，as  
follows: first of all，the color gradient is computed using spectrum envelope filtered color image，based on which，regions with  
minimum gradient are marked using self-adaptive H-minima transformation method． Then，the watershed transform is applied  
to segment the marked gradient image． Finally，affinity propagation clustering is adopted to merge the regions segmented by the  
watershed transform，using color moments computed on each local region，to get the final segmentation result． Experiments con-  
ducted on public available datasets demonstrate the adaptability and robustness of proposed algorithm，compared with the rela-  
tive state-of-the-art methods． The proposed method can solve the over-segmentation problem well and get accurate results．  
Key words: watershed algorithm; self-adaptive marking; affinity propagation; image segmentation; over-segmentation  
，
算法借鉴了数学形态学理论 算法思想来源于地理学  
，
1
引言  
Digabel Lantuejoul  
以及  
最初由  
将分水岭算法引入二值  
［1］  
，
分水岭算法是一种基于区域的图像分割算法 该  
，
Beucher、Vincent  
图像的分析过程 经过  
等人的深入  
: 2015-04-08;  
: 2016-12-29;  
:
收稿日期  
修回日期  
责任编辑 诸叶梅  
:
( No． 61320106006，No． 61532006 ) ;  
( No． 4162019 ) ;  
北京市科技计划课题  
基金项目 国家自然科学基金  
北京市自然科学基金  
( No． Z161100001616004)  
1912  
2017  
电
子
学
报
年
研究［2，3］ 建立了较为完善的分水岭理论体系 分水岭  
，
．
，
算法复杂度低 可以高效地对图像进行准确的分割  
．
、
分水岭算法易受噪声 量化误差和梯度局部不规则  
，
性等因素的影响导致过分割 且在低对比度图像中易丢  
．
，
失重要轮廓 现阶段 研究者对分水岭算法进行了大量改  
，
进 加州大学伯克利分校  
Arbelaez  
OWT-UCM( O-  
提出了  
riented Watershed Transform-Ultrametric Contour Map algo-  
［4］  
rithm)  
，
，
算法 能够对图像进行准确的自动分割 但是运  
; Couprie  
、
结合图割 随机游走和最短路径优  
行效率较低  
［5］; Liu  
化算法对分水岭算法进行改进  
提出一种针对电子  
［6］; Zhang  
显微镜图像的分水岭合并树分类的算法  
提出将  
［8］; Han  
中智逻辑与分水岭算法相结合  
提出一种快速的  
［9］; Li  
二步控制标记分水岭算法  
提出一种针对高空间分  
辨率遥感图像的标记边缘的分水岭分割算法［10］ 余旺  
;
、
、
、
盛 侯志强将分水岭算法与预处理滤波 标记提取 区域  
合并等算法都进行了不同的组合取得较好的效果［11，12］  
;
［13］ OWT-UCM  
文献 在  
，
算法基础上 提出  
MCG  
，
算法 该  
，
算法可以得到一组前后景分割 分割结果可进一步应用  
于物体检测［14］以及语义分割［15］ 目前分水岭算法的改进  
，
算法在医学图像分割方面也进行了深入研究［16，17］  
．
，
，
像的低频成分 改变了原始图像的频谱分布特性 模糊  
，
虽然这些分水岭算法的改进工作 在克服过分割问题  
．
，
2
了图像的重要边缘 频谱包络滤波器 如图 所示 能够  
，
，
上取得了一定的成效 但仍存在局部过分割或重要边界丢  
，
尽量保留能量聚集区的频率 抑制非能量聚集区的频  
， ．  
失的现象 或者运行效率较低 因此本文深入研究分水岭分  
， ，  
率 从而更好地保持原始图像的频谱特性 特别是保留  
，
割算法 提出了一种针对彩色图像的结合自适应标记  
( Self-  
．
对重构图像边缘起重要作用的能量聚集区 频谱包络  
adaptive Marking，SM) ( Affinity Propaga-  
与区域间近邻传播  
( Watershed) ( SMAPW) ，  
:
滤波的传递函数为  
tion，AP)  
聚类的分水岭 算法 较好解  
2k  
H( u，v) = ( 1 － ) D ( u，v) +  
μ
( 1)  
( 2)  
μ
．
决了过分割和分割算法的运行效率问题  
1 /2  
4
2
2
[ ( u － M /2  
M + N  
)
+
( v － N/2) ]  
D( u，v) =  
2
2
[
]
2
算法框架  
，
其中 图像的尺寸为  
M × N，( u，v)  
，
为频率矩阵中的点  
SMAPW  
算法属于一种改进的基于梯度的分水岭算  
( M /2，N/2)  
，
为频率矩阵的中心 μ 表示滤波器中心的最  
， ，  
法 算法将极小值标记与近邻传播聚类有效结合 以抑制分  
，k ，k  
小高度 为衰减控制因子 取值越大则滤波器边缘衰  
， ．  
水岭算法的过分割 获得准确的分割结果 在对图像进行分  
，
减越剧烈 本文设置 μ  
= 0. 1，k = 0. 2.  
进行彩色图像频  
，
水岭变换前 对原始彩色图像进行频谱包络滤波可以平滑  
:
谱包络滤波的具体步骤如下  
，
纹理细节 再对滤波后的图像计算彩色梯度能够获得更加  
( 1)  
对原始图像进行傅里叶变换获得傅里叶频谱  
，
准确和清晰的梯度图像 根据梯度值的分布规律提取极小  
F( u，v，d) ，  
d
RGB  
d
颜色空间中的第 分量  
;
其中 代表  
，
值区域 并对标记了极小值区域的梯度图进行分水岭变换  
，
( 2)  
:
与传递函数相乘获得滤波后的频谱  
， ，  
可以有效抑制过分割的产生 但得到的分割结果 目标对象  
F'( u，v，d) = F( u，v，d) × H( u，v)  
( 3)  
，
往往被分为多个区域 无法满足将目标对象分割出来的要  
( 3) F'( u，v，d)  
对
进行傅里叶逆变换获得滤波后  
， ，  
求 因此下一步对分割出来的区域计算低阶颜色矩 作为该  
．
图像  
，
区域的颜色特征 再根据提取出的颜色特征进行近邻传播  
通过频谱包络滤波能够对彩色图像的纹理细节进  
，
，
，
聚类 将相似的区域合并 得到的分割区域更少 分割更加  
，
行平滑 同时由于有效保留了频谱的能量聚集区特性  
，
． 1  
准确 图 为  
SMAPW  
．
算法的总体框架  
，
图像边缘得到保护 这样既消除了纹理细节对梯度计  
3
彩色图像的自适应标记  
，
算的影响 同时能够获得清晰的图像边缘  
．
3. 2  
彩色梯度计算  
3. 1  
彩色图像频谱包络滤波  
将彩色图像转化为灰度图像再计算梯度会丢失图  
，
传统低通滤波器在平滑背景噪声时 只保留了图  

相关下载

全部评论(0)

暂无评论
评论赚积分>>

上传资源 上传优质资源有赏金

热门标签

更多>>

最新上传

  • 打赏
  • 30日榜单

热门下载

资料专题

推荐下载

本站上的所有资源均为源于网上收集或者由用户自行上传，仅供学习和研究使用，无任何商业目的，版权归原作如有侵权，请 来信指出，本站将立即改正。

ICP许可证号：京ICP证070360号     21IC电子网 2000- 版权所有

京ICP备11013301号

京公网安备 11010802024343号