论文部分内容阅读
传统的交互式图像分割方法包括基于区域的分割方法和基于边界的分割方法，它依据用户输入先验信息仅仅利用像素间的局部关系建立关系模型，易对初始种子/轮廓位置敏感，对噪声缺乏鲁棒性进而产生欠分割问题。超像素通过聚类像素将图像分为若干具有相同属性的子区域以加速后续任务的处理。文章旨在利用超像素提升交互式分割方法的分割性能，并取得了一些研究成果：
1.总结了基于区域及基于边界的交互式分割方法的基本理及缺点，包括：基于区域的分割模型对噪声和初始种子位置敏感，基于边界的分割模型对初始轮廓位置和噪声敏感，在轮廓演化过程中易陷入局部最优。总结了超像素概念和优势以及经典的超像素分割模型。
2.针对基于区域的分割模型易对初始种子位置和噪声敏感进而产生欠分割问题。本文提出利用超像素代替像素增强种子点与远端像素的联系，结合多层超像素-像素模型保留图像细节。同时，引入了稀疏分解对模型进行优化以提升模型对图像噪声的鲁棒性。实验结果表明，与现有的分割方法相比，提出的方法能获得较好的分割效果，对高斯噪声和椒盐噪声具有较强的鲁棒性。
3.针对基于边界的方法，如活动轮廓模型，分割结果易受初始轮廓位置的影响，轮廓演化易过早陷入局部最优且缺乏准确性和噪声稳健性的问题。本文首先引入超像素提取图像区域信息构造符号压力函数防止轮廓在演化过程中陷入局部最优。其次，构建了基于超像素和像素的协同约束的能量泛函以弥补超像素无法保留局部细节的缺陷。同时模型利用超像素块加速轮廓演化。最后结合稀疏分解对模型进行优化以减弱局部噪声对活动轮廓演化的影响。
本文利用超像素对传统的基于像素的模型进行改进，对比实验表明提出的方法提升了传统的基于像素的分割模型对初始种子/轮廓位置的鲁棒性，引入稀疏分解提升了模型对噪声的稳健性进而提升了模型的分割准确。同时，在实验中也发现了算法存在一定的局限性，需要在今后进行深入研究，进一步完善。
1.总结了基于区域及基于边界的交互式分割方法的基本理及缺点，包括：基于区域的分割模型对噪声和初始种子位置敏感，基于边界的分割模型对初始轮廓位置和噪声敏感，在轮廓演化过程中易陷入局部最优。总结了超像素概念和优势以及经典的超像素分割模型。
2.针对基于区域的分割模型易对初始种子位置和噪声敏感进而产生欠分割问题。本文提出利用超像素代替像素增强种子点与远端像素的联系，结合多层超像素-像素模型保留图像细节。同时，引入了稀疏分解对模型进行优化以提升模型对图像噪声的鲁棒性。实验结果表明，与现有的分割方法相比，提出的方法能获得较好的分割效果，对高斯噪声和椒盐噪声具有较强的鲁棒性。
3.针对基于边界的方法，如活动轮廓模型，分割结果易受初始轮廓位置的影响，轮廓演化易过早陷入局部最优且缺乏准确性和噪声稳健性的问题。本文首先引入超像素提取图像区域信息构造符号压力函数防止轮廓在演化过程中陷入局部最优。其次，构建了基于超像素和像素的协同约束的能量泛函以弥补超像素无法保留局部细节的缺陷。同时模型利用超像素块加速轮廓演化。最后结合稀疏分解对模型进行优化以减弱局部噪声对活动轮廓演化的影响。
本文利用超像素对传统的基于像素的模型进行改进，对比实验表明提出的方法提升了传统的基于像素的分割模型对初始种子/轮廓位置的鲁棒性，引入稀疏分解提升了模型对噪声的稳健性进而提升了模型的分割准确。同时，在实验中也发现了算法存在一定的局限性，需要在今后进行深入研究，进一步完善。