基于降采样归一化割多尺度分层分割方法研究.docVIP

基于降采样归一化割多尺度分层分割方法研究 　　摘要：图像分割作为计算机视觉的中层任务，常建立在目标轮廓特征的基础上，但是局部轮廓检测器的结果难以保证其产生封闭轮廓。为获得完整的分割区域，归一化割方法提供一种将局部轮廓结果转化为图像分割结果的处理途径。传统的归一化割方法由于长特征向量的聚类导致计算耗时长、内存占用多。在轮廓特征的基础上，考虑轮廓的全局推断，提出一种归一化割的改进方法――降采样归一化割，以减少图像分割过程中的计算耗时。通过多尺度空间下的层级校准，准确定位多个尺度下的区域边界进行区域合并，从而得到更准确的多层分割图。 　　关键词：分层分割；降采样归一化割；尺度空间；层级校准；区域合并 　　DOIDOI：10.11907/rjdk.151428 　　中图分类号：TP317.4 　　文献标识码：A 文章编号文章编号2015）008019003 　　0 引言 　　分割可看作是一种把图像分成若干区域的方法。分割问题和轮廓检测问题是相关的，但是两者又不完全一样。一般情况下，基于局部外观特征的轮廓检测器[1]不能保证产生闭合的轮廓，因此不能将图像的一部分划分成区域，但是分割区域可以根据边界恢复得到闭合轮廓，因此图像分割常建立在目标轮廓特征的基础上进行区域划分。 　　近年来，图论（Graph Theory）是研究分割的一个热点[2]。归一化割（No