基于最大相似度区域混合的图像分割方法.ppt

1、基于最大相似性的区域混合的图像分割方法、interactive image segmentation by maximal similarity based region merging、摘要、快速有效的图像分割自然图像完全自动分割往往非常困难，因此建议创建具有少量用户输入的方案。(David assell，Northern Exposure(美国电视电视剧)，自然名言)牙齿文档介绍了基于区域混合的交互图像分割方法，该方法只用笔划(显示)粗略地表示对象和背景的位置和区域。提出了一种基于新的最大相似度的区域混合机制，利用标记指导合并过程。摘要，即Q的相邻区域中存在与Q最相似的区域时，牙齿区域R被

2、Q合并。牙齿建议的方法首先自动合并meanshift(平均移动)算法最初分割的图像，然后使用显示用户未手动显示的所有背景和对象的块的方法有效地提取对象的轮廓。其中，区域混合过程根据图像的内容是可变的，无需预先设置相似性阈值。进一步的实验表明，牙齿设计可以在复杂的背景下可靠地提取物体的轮廓。1中，用户近似表示的对象和背景的位置称为“显示”，并且可以是简单的笔划，例如下图中的绿色线和蓝色线。1介绍后计算不同块之间的相似性。此外，您可以根据下面提出的最大相似性原则，使用用户提供的标记合并这些区块。合并后，实现了从背景中分离物体的目的，如下图中的示例所示。2.1块郑在玹和相似度计算方法，与其他特征相比

3、，颜色特征最坚固。这是因为需要提取的对象的块大小和形状会发生变化，而其他块的颜色具有很高的相关性。因此，此块的特征采用颜色直方图的形式。经过图像的meanshift(平均移动)后，有很多可用的图像块(右侧)牙齿。需要使用某些功能来表示和定义区域合并方法。2.1块郑在玹和相似性计算方法，使用RGB颜色空间，R、G、B分别分为16个等级(4位)，总计16x16x16=4096位。通过将HistR设置为块R的标准化颜色直方图，并在块Q和R之间定义相似性判断函数(R，Q)，可以执行块之间的比较。例如，2.1块郑在玹和相似性计算方法，表达式中的HistuRHistuQ表示R块直方图和Q块直方图。自变量也

4、是颜色、收购这些直方图的相应向量(如下所示)的点积。值越大，相似性越高。2.2手动显示对象和背景。牙齿图像分割系统需要对象和背景的概念显示。这些标记可以是直线、曲线或其它自由描边。但是只有少数部分需要用户的标记，才能保持系统的鲁棒性。显示后，图像分为显示的对象部分M0、显示MB的背景部分和未显示的部分N三个部分。2.3基于最大相似性的合并规则，对于所有用户未标记的部分，必须使用基于最大相似性的合并规则合并块。q是r的相邻块，是表示q的一系列相邻区域，如果r和q的相似性在q中最大，则合并r和q。也就是说，牙齿算法使用“最大”以避免阈值，2.4块合并过程，首先尝试合并与显示的背景相邻的块。所有B MB的相邻区块，SB=Aii=1，2，r，所有Ai MB的相邻区块为SAi=SAi j j=1，2，k。可以知道B SAi。然后计算Ai和SAi块之间的相似性，如果满足条件，则将B和Ai合并到B。，2.4块合并过程，然后，对于所有未标记的块，所有P N的相邻块Sp=Hii=1，2，p、所有Hi MB和Hi M0的相邻块为SHI=SHIJ。然后计算Hi和SHi块的相似性，如果条件满足，则将P和Hi