论文部分内容阅读
图像分割是图像处理领域中的经典难题,也一直是图像处理技术研究中的热点和焦点。随着计算机处理能力的提高和对图像处理的需求增加,图像分割更是受到研究者们越来越多的关注。然而,现有的图像分割算法都有一定的缺陷,必须要在效率和效果之间进行取舍,不能同时满足。更重要的是,由于图像种类的千差万别,一般的图像分割算法都只能处理特定类型的图像。很难找到一种适合所有图像的分割算法。本文就是以此为目标,力图找到对各种图像特征能够统一处理的分割算法。具体而言,本文包括以下主要内容:1.从局部像素出发,分析像素点之间的关系。带着将相似的像素点分配到同一分割中去的目标,在分析各种图像特征对分割影响的前提下,设计出一种新的区域相似度。这种区域相似度最大的特点在于它能够将各种图像特征进行有效量化,并包含到统一的相似度方程当中,使得用一种方法处理所有图像的分割问题在理论上有了可能。2.在区域相似度的基础上提出一种新的区域合并算法来解决分割问题。本文中图像分割问题被当作区域的合并过程,首先利用过分割技术将输入图像打碎,得到初始分割区域,并建立起K近邻图。这里,K近邻图的每个结点表示一个分割区域,同时将区域相似度赋予对应结点之间的边,作为权重。K近邻图的每个结点至多有K条边,连接K个最近邻居。利用它我们可以把整个区域合并过程的时间复杂度降到O（τKlog2（K））,其中K为初始的分割区域数目,τ为每一次合并当中需要更新的结点数目。3.利用Intrinsic images分解算法设计分类器将图像分解成包含光照信息和颜色、形状信息的两层,去除光照对于图像的影响,在此基础上利用本文提出的分割算法来处理光照场景下的分割问题。4.给出文中所有算法的实现,并提供试验结果来证明算法的鲁棒性和效率。另外,我们还将基于K近邻图的快速图像分割算法与视网膜硬性渗出检测相结合,设计出了新的视网膜硬性渗出检测算法。这个算法运行迅速,而且通过包含8张硬性渗出的视网膜图像库STARE的测试,算法在有效性高达95.42%的同时保持了平均敏感度91.08%,说明算法在临床医学上具有重要价值。