基于相似度计算方法的人脸图分割

杨思渊，蒋锐鹏，海仁古丽·阿不力提甫，姑丽加玛丽·麦麦提艾力

(新疆师范大学 数学科学学院，新疆 乌鲁木齐 830017)

0 引 言

图像分割是把图像分成若干个特定的、具有独特性质的区域并提出感兴趣目标的技术和过程。图像分割广泛应用在医学影像处理、卫星图像中物体定位、人脸识别、指纹识别、交通控制、机器视觉等。图像分割的方法多种多样，较为成熟的方法有：阈值法、区域法、边缘检测法、聚类法等。文献[1]在阈值法中提出了一种改进的二维Otsu算法；文献[2]提出一种改进区域生长法的遥感影像道路提取方法，先对遥感影像进行k均值聚类(K-means)，再利用改进区域生长方法提取道路，这种方法精确度高，时间复杂度低；文献[3]提出一种将二进小波变换与形态学算子融合的边缘检测算法，在噪声浓度相同的情况下，具有很好地抑制噪声的能力，且检测的边缘图像轮廓清晰，含有丰富的细节信息。

图像分割的本质是对图像中的每个像素加标签(分类)，这一过程使得具有相同标签的像素具有某种共同的视觉特性。如在人脸图像的分割中，可以将一张图的所有像素点进行聚类，使得人脸部分的图像划分为一类，非人脸部分划分为另一类，常用的方法有K-means[4]，它是一种非监督学习模型，该算法原理简单、收敛速度快，效率高；也可以用监督学习模型如SVM[5]来对图像进行分类，该方法需要自己寻找不同类别的支持向量进行标记。

这两种方法在图像分割中都存在一定的缺陷，对K-means来说，它对像素特点的依赖性较大，像素相近的图像不能做出很好的分类；……