基于显著先验的图像前景分割方法
2015-01-02黄志勇陈壹林
计算机工程 2015年5期
孙 俊,黄志勇,陈壹林
(1.武汉大学计算机学院,武汉430072;2.黄冈职业技术学院,湖北黄冈438002;3.三峡大学计算机与信息学院,湖北 宜昌443002)
1 概述
图像分割是计算机视觉的重要组成部分,是图像识别、三维建模、医学图像处理等内容的关键步骤。图像分割的主要目的是将图像中的特殊区域简化表达出来,从而为定量、定性分析提供基础。经典的图像分割主要包括阈值分割、区域生长分割等。图像分割所面临的对象复杂,没有通用的方法,但是由于其具有重要的基础作用,目前计算机视觉领域有大量的学者和研究员专注于更好的图像分割方法。文献[1]对阈值图像分割的方法进行综述,文献[2]针对Li&Lee方法存在的缺陷,提出一种改进的最小互熵门限法。文献[3]对图像分割的方法进行了分类综述,分别对基于阈值、变形模型、区域生长、聚类法、基于遗传算法等分割方法的优缺点进行了比较。文献[4]对基于阈值的图像分割算法进行了全面的评价,对选定的40种基于阈值的分割方法进行分类比较。文献[5]针对FCM算法和灰度图象的特点,提出一种适用于灰度图象分割的快速FCM算法。
本文研究图像中物体的显著先验信息和外观信息对物体轮廓所造成的影响,在监督学习的框架下,实现图像分割。
2 图像显著先验的计算
2.1 频谱显著性原理
人类视觉系统能够快速、稳定地检测到视觉认知中的显著信息。从信息论的角度,有效的编码可以将图像信息分为如下2个部分[6]:

其中,H先验信息为冗余信息;H新信息为视觉系统中新增加的信息。……
登录APP查看全文
