融入光度信息图割的图像轮廓提取方法.pdfVIP

第36卷 第2期 太 原 科 技 大 学 学 报 vol.36 No.2 2015年4 月 JOURNAL OF TAIYUAN UNIvERSITY OF SCIENCE ANDTECHNOLOGY A r.2015  文章编号：1673-2057（2015 ）02-0103-06 融入光度信息图割的图像轮廓提取方法 1 1 1 2 任美美 ，张荣国 ，胡静 ，刘小君 （1.太原科技大学计算机科学与技术学院，太原030024； 2.合肥工业大学机械与汽车工程学院，合肥230009） 摘 要：图割算法是图像分割方法中一种高效最优化的计算方法，针对图像中目标物体光照不均匀 导致的分割不准确问题，本文提出了一种基于光度信息的图割方法：该方法利用彩色图像的RGB值，得 到像素的颜色值和亮度值，用其平均值表示像素的光度值，将图像的光度信息融入到主动轮廓模型的能 量函数中，构建新的能量函数，利用最大流/ 最小割算法求解新的能量函数的最优解，得到目标的轮廓； 实验结果证明，该方法能够使初始轮廓较准确较迅速地收敛到目标物体的轮廓。 关键词：光度信息；能量函数；图割；轮廓提取 中图分类号：TP391 文献标志码：A doi：10.3969/ j.issn.1673-2057.2015.02.005 图像分割是图像处理、模式识别、计算机视觉 了基于共轭梯度的 B 样条主动轮廓边缘提取方 ［11］ ［12］ 领域中的关键问题，分割结果的准确性直接影响后 法 ；郑等 利用基于图割的活动轮廓算法实现 期的图像分析。 了选择性的提取局部轮廓和全局轮廓。 Yuri Boykov 和Maric-Pierre Jolly将图割（gra h 基于文献［12］中全局轮廓的提取，本文提出了 ［1-2］ 基于光度信息的图割方法，克服了文献中只能针对 cuts）理论 首次引入到计算机视觉领域，他们提 ［3］ 光照不明显的图像实现轮廓的提取，本文方法扩大 出并实现了利用最大流/ 最小割算法 最小化能量 函数而进行目标分割的方法。许多研究者针对图 了算法的适用范围，提出将图像的光度信息融入到 割算法的缺点提出了不同的分割方法：Rother 等人 能量函数中，利用基于图割的活动轮廓线模型，使 ［4］ 用最大流/ 最小割算法使初始轮廓线较准确的收敛 提出的GrabCut 算法 ，是目前目标提取效果较好 的一种方法；文献［5］提出了一种交互式的图割 到目标轮廓。 （gra h cuts）方法；徐等根据图割理论对轮廓提取的 1 基本理论及方法 方法进行研究，提出快速估计高斯模型参数来进行 ［6］ 1.1 图割基本理论 图割的目标轮廓提取 ；文献［7］使用了高斯超像 素来构建图割模型以提高图割算法的效率；王等将 其主要思想是：将图像映射成一个具有终端的 模糊C均值聚类算法和图割结合起来进行图像分 网络图，图像中的每一个像素与网络图中的节点一 割［8］；刘等将图割理论与小波变换结合起来提高图 一对应，相邻像素之间的关系为网络图的边缘，边 割算法的分割效率与质量并改善了提取过程中出 缘的权值表示相