复杂网络理论在彩色图像分割中的应用研究
2018-07-27,,,
计算机测量与控制 2018年7期
关键词:实验
,,,
(西安理工大学 自动化与信息工程学院,西安 710048)
0 引言
图像分割是一种根据纹理,颜色,灰度等视觉特征将图像划分成具有独特性质的目标区域的技术和过程[1],在计算机视觉领域中一直发挥着非常重要的作用。近年来,基于图论的图像分割方法已成为国内外的一个研究热点。现有的基于图论的方法[2-3]很多,其中基于图论的最小生成树算法因其简单,高效且能获取全局信息,在图像分割中得到了广泛应用,但其使用自适应的全局阈值进行图像分割,分割效果并不理想尤其在图像细节方面。复杂网络理论与图像分割方法相结合,可以避免单一算法的不足,并为该领域提供了更多的选择性。2009年,Backes A R提出一种新的描述图像边缘特征的方法,利用复杂网络给图像边缘特征建模[4],该方法不仅比传统图论法对图像边缘轮廓具有更好的表示结果而且它可以表示具有间隙或不完整信息的图像边缘轮廓;复杂网络可以很好的表示图像的纹理特征[5],节点表示像素点,节点之间的连接表示像素点之间的相似性,提取场景中的全局纹理特征,不同类型的纹理呈现出不同的节点度分布。最近,Mourchid Y提出将图像用图形表示[6],通过应用社区检测算法计算出单一模块化特征度量,该度量对于图像旋转和小失真是不变的。
基于复杂网络理论在图像处理应用中展现的优越性能,本文将彩色图像分割与复杂网络理论相结合,根据像素点之间的相似性,对大量的图像数据建模,从复杂网络的角度构造社团网络结构图,然后用社团检测算法进行社团划分,对图像相似像素聚类,进而实现彩色图像分割。……
登录APP查看全文
