形態(tài)學(xué)分水嶺結(jié)合譜聚類的圖像分割算法.pdf

1、圖像分割是指將圖像分成互不重疊、有意義的區(qū)域。它是圖像處理到圖像分析的中間步驟,同時(shí)也是計(jì)算機(jī)視覺(jué)研究中從低級(jí)視覺(jué)到高級(jí)視覺(jué)的連接紐帶。譜聚類圖像分割算法是人們研究的熱點(diǎn),目前已經(jīng)研究出許多的基于譜聚類的圖像分割算法,其中規(guī)范化割(Normalized cut)算法的應(yīng)用最為廣泛。規(guī)范化割(Normalized cut)算法準(zhǔn)則是一個(gè)尋求全局優(yōu)化解的準(zhǔn)則,但是該算法在運(yùn)行時(shí)存在高昂的計(jì)算復(fù)雜度和巨大的內(nèi)存需求。分水嶺算法是一種非監(jiān)督的圖

2、像分割算法,該算法的優(yōu)點(diǎn)是收斂速度快、分割出的邊界連續(xù)且封閉,對(duì)微弱邊緣也有較好的分割效果。然而,分水嶺算法的不足之處在于容易產(chǎn)生過(guò)分割現(xiàn)象且對(duì)噪聲敏感。
　　針對(duì)規(guī)范化割(Normalized cut)算法以及分水嶺算法各自的特點(diǎn),本文設(shè)計(jì)了一種形態(tài)學(xué)分水嶺結(jié)合譜聚類的圖像分割算法來(lái)減少計(jì)算量以及噪聲的干擾,在此過(guò)程中,本文的主要研究?jī)?nèi)容為以下幾方面:
　　(1)分析了分水嶺算法,其中包括浸入式分水嶺算法的物理模型以及算法

3、步驟,分析給出分水嶺算法存在過(guò)分割以及對(duì)噪聲敏感的問(wèn)題,并通過(guò)模擬仿真驗(yàn)證分析的結(jié)論。闡述了圖的相關(guān)基礎(chǔ)理論,介紹了基于圖的五種圖像分割準(zhǔn)則,隨后推導(dǎo)出規(guī)范分割準(zhǔn)則(Normalized cut)的求解過(guò)程以及2路規(guī)范割算法和K路規(guī)范割算法,最后給出了K路規(guī)范割算法中需要用到的K均值算法的流程。
　　(2)針對(duì)分水嶺算法存在的對(duì)噪聲敏感以及過(guò)分割的問(wèn)題,對(duì)經(jīng)典分水嶺采用閾值形態(tài)學(xué)的方法進(jìn)行改進(jìn),減小了經(jīng)分水嶺算法過(guò)后的“區(qū)域”數(shù)目

4、,最后對(duì)圖像的“分水嶺”處進(jìn)行邊界分配。我們將這些分割后的“區(qū)域”用該“區(qū)域”的中心點(diǎn)來(lái)表示,稱之為區(qū)域像素點(diǎn)。構(gòu)造一幅無(wú)向加權(quán)圖來(lái)描述這些區(qū)域像素點(diǎn)之間的關(guān)系,計(jì)算區(qū)域像素點(diǎn)之間的相似性時(shí),灰度高斯核函數(shù)尺度因子以及距離高斯核函數(shù)尺度因子不需要手動(dòng)設(shè)定,分別用區(qū)域灰度差的方差以及距離的方差來(lái)替代。
　　(3)對(duì)于構(gòu)造的無(wú)向加權(quán)圖,利用規(guī)范割(Normalized cut)算法聚類,對(duì)圖像進(jìn)行K路規(guī)范割算法聚類時(shí),對(duì)傳統(tǒng)K均值算法