论文部分内容阅读
图像分析与理解是智能科学中一个十分重要且活跃的分支，在许多领域得到了广泛应用。实际上，在图像分析与理解中，图像分割是最基本的一个环节。它的目的就是将图像按像素划分成若个区域，并且每个区域都与图像中的真实物体或背景相对应或相符合。图像分割通常用于图像分析与理解的预处理，而不同的应用背景对于图像分割算法的精度和计算复杂度的要求是不同的。本文针对快速图像分割方法进行研究，希望在分割的速度和精度上达到均衡，满足智能图像处理系统中物体的快速分割与识别的要求。为此，本文提出了新的图像分割方法。它首先采用SLIC算法对图像进行过分割而形成超像素，然后以超像素为基本单元构造无向加权图，最后对超像素进行自适应谱聚类得到一个较为均衡的图像分割结果。新的图像分割方法的主要创新点:(1)使用一组超像素取代大批量普通像素点并以此作为基本单元构造无向加权图，大大减少了谱聚类方法在图像分割中的计算复杂度，并且较好地保持了原图像的特性;(2)在谱聚类中成功地引入了一种新型的距离敏感对手惩罚竞争学习(DSRPCL)算法，并实现了谱聚类的自适应化。实验结果表明，新方法不仅拥有很高的运行效率，而且分割效果也达到了较好的水平。