一种改进的图割目标分割算法

汤依婷，韩彦芳

(上海理工大学 光电信息与计算机工程学院，上海 200093)



一种改进的图割目标分割算法

汤依婷，韩彦芳

(上海理工大学 光电信息与计算机工程学院，上海 200093)

为了减少图像目标在分割过程中受到噪声、复杂背景等因素的影响，将图像的多特征信息引入到图割算法中，提出了一种结合图像的多特征信息图割目标分割方法。该方法先选取像素点的多种图像特征组成特征向量，并对已做好标记的目标和背景种子点的特征向量分别进行FCM聚类，然后分别计算各像素点与这两类种子点的各聚类中心的最短欧式距离，并据此信息完成对能量函数的构造，最终运用最大流/最小割的方法得到图像分割的结果。其与传统图割算法相比，分割结果有了明显改善。实验结果表明，该算法具有有效性。

图割；图像分割；特征向量；FCM聚类；最大流最小割

TANG Yiting, HAN Yanfang

(School of Optical-Electrical and Computer Engineering, University of Shanghai for Science and Technology,Shanghai 200093, China)

图像分割是由图像处理到图像分析的关键步骤。只有在图像分割的基础上才能对目标进行特征提取和参数测量，使得更高层的图像分析和理解成为可能。因此，对图像分割方法的研究具有重要意义。经典算法有阈值法[1]、区域合并[2]、基于边缘检测[3]、分水岭算法[4]和聚类分析[5]等，这些算法在不同领域得到了广泛应用。而图割(Graph Cuts)算法可在全局最优的框架下进行分割，能确保能量的全局最优解，因而得到广泛关注。

传统Graph Cuts算法仅依赖图像的灰度信息构造能量函数。对于简单图像分割效果良好，但当背景较为复杂，且与目标灰度较为接近时，图像目标的准确分割变得困难。……