自然圖像分割算法的研究.pdf

1、圖像分割一直是計算機視覺和模式識別等領域內一個極具挑戰(zhàn)性的研究問題。一般情況下，圖像分割的目的是找到一幅圖像中具有語義一致性的區(qū)域并將其彼此分割。為了實現(xiàn)這個目標，人們已經(jīng)提出大量不同的方法，大致可劃分為兩大類:即，基于像素(pixel-wise)和基于區(qū)域(region-wise)。
　　 區(qū)域與像素相比，它們可以包含更多信息。這些區(qū)域是由原始圖像經(jīng)過初始分割所得到，這樣可將圖像幾百萬的像素轉化為數(shù)量較少的初始區(qū)域。本文提出的

2、基于CCTA區(qū)域合并的方法即充分利用這個優(yōu)點來降低算法的復雜度。初始分割得到的圖像用區(qū)域鄰接圖表示，其中每個節(jié)點代表一個均勻的區(qū)域，區(qū)域之間的邊緣權重表示相鄰區(qū)域的相似性。根據(jù)Kruskal最小生成樹(KMST)算法，迭代合并空間域中彼此相鄰、且視覺屬性最相似的一致性區(qū)域，直至實現(xiàn)全局最優(yōu)。
　　 近些年，在醫(yī)學圖像分割領域，基于像素的活動輪廓模型方法得到廣泛應用。它們主要分為:基于邊緣(edge)和基于區(qū)域(region)的模