基于加權符號圖聚類和馬爾科夫隨機場的圖像分割
發(fā)布時間：2020-10-22 19:42
圖像分割是根據圖像的顏色、灰度值、紋理、形狀等特征或特征集合的相似性準則,將其分成一些不同且不重疊的區(qū)域。圖像分割是計算機視覺中的基本而又核心的問題之一,以歸一化割(Normalized cut,簡稱Ncut)等為代表的無符號圖聚類方法在該問題上獲得了成功應用。相比于無符號圖,加權符號圖能夠表達更豐富的關系。當前普遍應用于圖像分割的圖聚類方法均以無符號圖為基礎,本文嘗試利用加權符號圖聚類進行半監(jiān)督圖像分割,分析了加權符號圖上的符號歸一化割(Signed Normalized cut,簡稱 Signed Ncut)的表現(xiàn),并提出了基于MRF正則化的改進方案。本文的工作有兩部分:(1)將半監(jiān)督信息表達為成對約束,并將像素之間的關系表達為加權符號圖,用符號歸一化割進行聚類。采用了圖聚類的主流優(yōu)化方法——譜方法來求解其松弛問題,通過k-means算法得到圖像的二相分割。Signed Ncut的整體表現(xiàn)明顯優(yōu)于Ncut,說明其在半監(jiān)督圖像分割問題上具有可行性。但是,Signed Ncut在分割精度等統(tǒng)計指標以及輪廓貼合性上仍有待提升。(2)嘗試在SignedNcut中引入MRF正則化勢函數,以進一步提升Signed Ncut的分割效果。通過對Signed Ncut進行線性近似,構造了上界輔助函數,基于圖割技術迭代地優(yōu)化逼近最優(yōu)解。實驗表明,MRF正則化的SignedNcut具有更好的輪廓貼合性,在相關的統(tǒng)計指標上表現(xiàn)更好。綜上所述,本文嘗試利用帶權符號圖來表達像素之間的關系,將Signed Ncut與MRF正則化進行了融合,為圖像分割提供了新思路,也擴充了符號圖聚類的應用。
【學位單位】：湖南師范大學
【學位級別】：碩士
【學位年份】：2018
【中圖分類】：C81
【部分圖文】：
基于加權符號圖聚類和馬爾科夫隨機場的圖像分割的相似性大，則對應的圖像也劃分為兩類，得到最終的圖像分割表２－１無符號圖上的典型聚類準則??圖聚類方法?目標函數??Ｍｉｎｉｍａｌ?ｃｕｔ［６］?Ｍｉｎｃｕｔ｛Ａ，Ｂ）＝?ｗ（ｕ，ｖ）??ｕｅＡ．ｖｅＢ??Ｎｏｒｍａｌｉｚｅｄ?ｃｕｔ［１１］?Ｎｃｕｔ（Ａ．Ｂ）?＝?ｃｕｔ＾＾?ｉ?ｃｕｔ＾＾??ｖｏｌ（Ａ）?ｖｏ?１（Ｂ）??Ｍｉｎ－ｍａｘ?ｃｕｔ［８］?ＭｍｃｕｔｉＡ．?Ｂ）?＝?ｃｕｆ（義，＋?ｃｕｔ（Ａ．?Ｂ）??ｃｕｔ?（Ａ．?Ａ）?ｃｕｔ（Ｂ．Ｂ）??Ｒａｔｉｏ?ｃｕｔ［１０］?Ｒｃｕｔ（４?Ｂ）＝ｃ－ｕｔ（＜Ａ，Ｂ＾?＋?ｃｌｌｔ＾Ａ，＾??、，）＼Ａ＼?＼Ｂ＼??
法存在一個很大的缺點，即更加傾向于在圖中切割單獨的頂點。因為式（２－２）中對??割的定義只考慮了兩個子圖之間的割最小，所以劃分的兩個子集之間任意增加一??條邊都會使割增大，所以最小割方法會傾向于分割單個頂點。圖２－２中顯示了這??種情況，若假設圖中邊的權重與兩點之間的距離成反比，可以看到分離出的頂點??ｎ，或頂點ｎ２的割值都很小。實際上，將任何一個處于右半部分的單獨頂點分割??出去的割值都會比將左右兩個部分分割開來的割值小，這就使得最小割的最優(yōu)解??傾向于分割出單個的頂點，難以得到最佳的劃分結果。??Ｉ??Ｉ?／??？蠹⑩?＃?Ｉ?Ａ??攀感瘳■?１?？?攀?Ｍｉｎ－ｃｕｔ?２??參？⑩Ｉ?＿??？?１籲?？??？?；?？?＃ｎ？?Ｍｉｎ－ｃｕｔ?１??ｂｅｔｔｅｒ?ｃｕｔ—??（??圖２－２最小割方法傾向于分割單個頂點??為了避免劃分出單個頂點這樣的不正常情況，Ｓｈｉ和Ｍａｌｉｋ提出了一種歸一??化的準則來衡量分割效果，這個方法將割作為圖中與一個集合中所有頂點相關聯(lián)??的邊的一部分來計算，而不是僅僅只考慮連接兩個部分之間邊的權值，這種方法??稱為歸一化割（Ｎｏｒｍａｌｉｚｅｄ?Ｃｕｔ
（左圖為標記圖像，右圖為分割的圖像）??（２）塊一致性約束??對應于Ｐｎ－Ｐｏｔｔｓ模型，文＿在任意的高階基團集０上定義了一個有用的塊一??致性約束�；鶊F為預先定義好的頂點子集，例如超像素或者具有相同顏色??和特征的一塊像素。該模型針對每個基團內的分割不一致性進行懲罰：??（２－１３）??ｑ＾Ｑ?ｑ＾Ｆ??其中，Ｔ為一個閾值，丨ｘｊ＊?＝?ｍａｘｅ?為０內最大分割的頂點數。顯然，??當每個基團內均具有一個分割時，上述勢函數達到最小值０。圖２－７為塊一致性??約束構造圖，灰色部分的四個頂點為一個塊，若這四個頂點被劃分為不同的區(qū)域，??則罰值會加大。圖２－８塊一致性約束在語義圖像分割中的應用，左圖為原圖，右??圖為語義圖像分割中的相同塊，將這幅圖像分割為天空、樹、建筑、草地四部分。??
【參考文獻】
本文編號：2852018
【學位單位】：湖南師范大學
【學位級別】：碩士
【學位年份】：2018
【中圖分類】：C81
【部分圖文】：
基于加權符號圖聚類和馬爾科夫隨機場的圖像分割的相似性大，則對應的圖像也劃分為兩類，得到最終的圖像分割表２－１無符號圖上的典型聚類準則??圖聚類方法?目標函數??Ｍｉｎｉｍａｌ?ｃｕｔ［６］?Ｍｉｎｃｕｔ｛Ａ，Ｂ）＝?ｗ（ｕ，ｖ）??ｕｅＡ．ｖｅＢ??Ｎｏｒｍａｌｉｚｅｄ?ｃｕｔ［１１］?Ｎｃｕｔ（Ａ．Ｂ）?＝?ｃｕｔ＾＾?ｉ?ｃｕｔ＾＾??ｖｏｌ（Ａ）?ｖｏ?１（Ｂ）??Ｍｉｎ－ｍａｘ?ｃｕｔ［８］?ＭｍｃｕｔｉＡ．?Ｂ）?＝?ｃｕｆ（義，＋?ｃｕｔ（Ａ．?Ｂ）??ｃｕｔ?（Ａ．?Ａ）?ｃｕｔ（Ｂ．Ｂ）??Ｒａｔｉｏ?ｃｕｔ［１０］?Ｒｃｕｔ（４?Ｂ）＝ｃ－ｕｔ（＜Ａ，Ｂ＾?＋?ｃｌｌｔ＾Ａ，＾??、，）＼Ａ＼?＼Ｂ＼??
法存在一個很大的缺點，即更加傾向于在圖中切割單獨的頂點。因為式（２－２）中對??割的定義只考慮了兩個子圖之間的割最小，所以劃分的兩個子集之間任意增加一??條邊都會使割增大，所以最小割方法會傾向于分割單個頂點。圖２－２中顯示了這??種情況，若假設圖中邊的權重與兩點之間的距離成反比，可以看到分離出的頂點??ｎ，或頂點ｎ２的割值都很小。實際上，將任何一個處于右半部分的單獨頂點分割??出去的割值都會比將左右兩個部分分割開來的割值小，這就使得最小割的最優(yōu)解??傾向于分割出單個的頂點，難以得到最佳的劃分結果。??Ｉ??Ｉ?／??？蠹⑩?＃?Ｉ?Ａ??攀感瘳■?１?？?攀?Ｍｉｎ－ｃｕｔ?２??參？⑩Ｉ?＿??？?１籲?？??？?；?？?＃ｎ？?Ｍｉｎ－ｃｕｔ?１??ｂｅｔｔｅｒ?ｃｕｔ—??（??圖２－２最小割方法傾向于分割單個頂點??為了避免劃分出單個頂點這樣的不正常情況，Ｓｈｉ和Ｍａｌｉｋ提出了一種歸一??化的準則來衡量分割效果，這個方法將割作為圖中與一個集合中所有頂點相關聯(lián)??的邊的一部分來計算，而不是僅僅只考慮連接兩個部分之間邊的權值，這種方法??稱為歸一化割（Ｎｏｒｍａｌｉｚｅｄ?Ｃｕｔ
（左圖為標記圖像，右圖為分割的圖像）??（２）塊一致性約束??對應于Ｐｎ－Ｐｏｔｔｓ模型，文＿在任意的高階基團集０上定義了一個有用的塊一??致性約束�；鶊F為預先定義好的頂點子集，例如超像素或者具有相同顏色??和特征的一塊像素。該模型針對每個基團內的分割不一致性進行懲罰：??（２－１３）??ｑ＾Ｑ?ｑ＾Ｆ??其中，Ｔ為一個閾值，丨ｘｊ＊?＝?ｍａｘｅ?為０內最大分割的頂點數。顯然，??當每個基團內均具有一個分割時，上述勢函數達到最小值０。圖２－７為塊一致性??約束構造圖，灰色部分的四個頂點為一個塊，若這四個頂點被劃分為不同的區(qū)域，??則罰值會加大。圖２－８塊一致性約束在語義圖像分割中的應用，左圖為原圖，右??圖為語義圖像分割中的相同塊，將這幅圖像分割為天空、樹、建筑、草地四部分。??
【參考文獻】
相關期刊論文 前2條
1 溫菊屏;鐘勇;;圖聚類的算法及其在社會關系網絡中的應用[J];計算機應用與軟件;2012年02期
2 陸明俊,王潤生;基于MRF模型的可靠的圖像分割[J];電子學報;1999年02期
本文編號：2852018
本文鏈接：http://www.lk138.cn/guanlilunwen/tongjijuecelunwen/2852018.html
