一种基于图的彩色图像分割算法-沃焱.pdf

《一种基于图的彩色图像分割算法-沃焱.pdf》由会员分享，可在线阅读，更多相关《一种基于图的彩色图像分割算法-沃焱.pdf（8页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、第44卷第9期2016年9月华南理工大学学报(自然科学版)Joumal of South ChiIla UIliVersi哆of Technology(Namral Science Edition)V0144 No9S印tember 2016文章编号：1000565x(2016)09-0001-08一种基于图的彩色图像分割算法水沃焱 金璇(华南理工大学计算机科学与工程学院，广东广州510006)摘要：为了解决图像分割中容易出现的过分割问题，提出了一种基于图的彩色图像分割算法该算法在区域合并的基础上，首先用Mean shift方法进行预处理，得到初始过分割区域后对其构造邻接图，然后计算邻接区域的

2、颜色、纹理及边缘特征相似性以判断区域是否需要合并直到所有满足条件的区域都被合并为了保持图像的全局属性，文中通过查找最优合并成本的方式进行区域合并实验结果表明：即使在图像目标和背景区域颜色比较相似时，文中算法也能较好地实现对目标区域的完整分割；与其他4种算法相比，文中算法具有更好的分割性能关键词：图像分割；Gabor滤波器；纹理；边缘；区域相似性中图分类号：TP39141 doi：103969jissn1000565x201609001图像分割的目的是将整个图像分成若干个互不相交的非空子区域，每个子区域的内部是连通的，同一区域在亮度、颜色等特征上具有相似性，而相邻区域之间不具有相似性分割问题是图

3、像处理、计算机视觉中一个基础性和挑战性的问题，在图像识别、目标检测等技术中有重要的作用该问题在20世纪70年代就受到了广泛的关注，人们提出了多种图像分割方法，如阈值方法J、聚类方法拉。J、图论方法Hj J、基于区域的方法帕。1等而基于图的分割方法旧。纠因能考虑到所有像素点携带的特征和空间信息而备受关注在构造的图中，图顶点表示图像的像素点或区域，顶点之间用边连接，边的权值可以表示像素点或区域之间的不相似性最早提出基于图的分割方法是Zahn旧。的基于最小生成树方法该方法的分割标准是消除最小生成树中权值较大的边，权值为像素点之间的亮度差异，由于突变区域亮度大于稳定区域亮度，采用固定阈值和局部测量方式

4、进行分割可能使突变区域被分成多个区域，或亮度较低区域被合并为解决这个问题，Urcluhanl91提出了用最小权值对边进行归一化的分割方法，此方法容易导致错误分割，并且难以保持图像的全局属性Felzensw舶等叫提出了通过计算区域内部和区域之间的颜色差异来预测边界是否存在，从而进行区域合并在这些以像素点为顶点的的图方法中，图像越大，顶点越多，且每个顶点需与周围的多个顶点建立邻接关系，使得图像处理复杂度较高为解决这个问题，Rezvani陆等1先用Mean shift方法进行预处理，然后结合Ncut和AverageCut进行图像分割B0等副先用分水岭分割，再结合连续概率比测试和最大可能性标准进行合并

5、预测，并动态合并满足条件收稿日期：20151120。基金项目：国家自然科学基金资助项目(61472145)；广东省自然科学基金资助项目(2016A030313472)；华南理工大学中央高校基本科研业务费专项资金资助项目(2015zZ031)；广东省一教育部产学研合作专项(20138090500015)Fo哪da6伽items：Supported by the National Natural Science Foundation of China(61472145)，the Natural Science Foundation ofGuangdong Pmvince(2016。A0303 l

6、3472)龃d the Special fbnds for UniversityIndustry Co叩eration of Guangdong Province and theMinistry of Education of China(20138090500015)作者简介：沃焱(1975一)，女，博士，教授，主要从事多媒体应用技术研究Email：woy龃scuteducn万方数据2 华南理工大学学报(自然科学版) 第44卷的区域这些方法中，图的顶点表示一个小的区域，每个顶点只需与周围少部分顶点建立连接，提高了图像处理速度但这些方法仅根据颜色进行分割，当图像目标和背景区域颜色相似时，难以得

7、到好的分割结果针对这些问题，文中结合图像的颜色、纹理和边缘特征，提出了一种基于图的彩色图像分割算法为提高图像的分割速度，文中先使用Mean sh“”1进行预处理得到初始过分割区域，并利用这些区域构造相应的邻接图为保持图像的分割完整性，文中提取了图像的边缘轮廓，并计算邻接区域的边缘相似性为减少图像目标和背景颜色相似时的过分割现象，文中利用Gabor滤波提取图像的纹理特征，并通过统计邻接区域的纹理分布来计算其纹理相似性为了保持图像的全局属性，文中根据查找最优合并成本的方式进行区域合并1 区域相似性度量文中利用区域合并来分割图像由于区域比像素点携带更多的信息，并且基于区域的处理方法能提高图像分割效率

8、，因此文中先用Mean shift预处理得到初始过分割区域集合JR=R。，尺：，氐，然后通过度量区域相似性将相似的区域进行合并文中从颜色、纹理和边缘3个特征来度量区域相似性11 颜色相似性为度量区域颜色相似性，先将图像分成R、G、B三个通道，邻接区域R。与Ri(R。，尺iR)的颜色差异D珊(Ri，Ri)可表示为Diff(R，弓)=(1)式中，p。，Ri，p，Rf，cf(m)、cf(p，)分别为像素点n、p，在第f通道的颜色值，、i分别为区域Ri、Ri的像素点个数Diff(尺。，尺f)越大，R、尺f颜色相似的概率越小；反之，其颜色相似的概率越大则邻接区域R。、Ri颜色相似性条件可表示为cl(屯驴

9、告警如鹰鼠 (2)占，为阈值通过比较占，与区域颜色差异大小来判断颜色相似性，因此s。的取值应与图像颜色差异及分布相关当区域颜色差异较大时，图像颜色分布比较分散，为避免过分割现象，s，需相应地增大；当区域差异较小时，为避免欠分割现象，s，需相应地减小由于颜色的标准差能反映颜色的分布情况，因此文中利用图像颜色的标准差来计算占，：81=2(stdR+stdG+stdB)3max(Dif)(3)式中，maDc(Diff)为邻接区域对的最大颜色差异，stdR、stdG、stdB分别为图像在R、G、B通道归一化后的标准差stdR、stdG、stdB越小，说明图像颜色分布越集中，颜色差异越小，对应的占，值也

10、越小；反之，stdR、stdG、stdB越大时，说明颜色分布越分散，对应的颜色差异越大，s，值也越大12边缘相似性为了较好地保证分割图像的完整性，合并前需考虑区域间是否有较强的边缘轮廓Arbelaez等4 o利用局部多尺度信息和全局边缘信息提出了一种有效的提取边缘轮廓的方法局部多尺度边缘信息和全局边缘信息的结合，既能提取出图像的边缘轮廓，又能凸显出显著的边缘，有效地对图像进行描述基于这些优点，文中使用该方法来提取图像的边缘轮廓121边缘轮廓提取对于局部边缘提取，该方法通过计算在LAB颜色空间中的L、a、b通道以及纹理通道的方向梯度信号G(并，y，p)来预测像素点在p方向存在边缘的概率对于L、a

11、、b通道的方向梯度，该方法先在像素点p 7(z，y)处放置一圆盘，并在p方向将圆盘划分成两半，然后求出两个半圆盘的亮度或者颜色直方图分布两个半圆盘直方图、的z2距离就是像素点p 7的方向梯度： 疋2(m，)-专耕(4)式中，。、：分别为两个半圆盘直方图和中第n个桶的频数每个桶表示量化后的亮度或者颜色强度对纹理通道进行相应处理后可用以上方式求出像素点的纹理方向梯度为了检测到更多轮廓，该方法从盯2，盯，2盯3个尺度分别计算每个通道的方向梯度信号多尺度多通道的方向梯度信号的结合，形成局部多尺度边缘信息mPb：mPb(石，y，口)=a ch，。G ch出)(x，y，p)(5)式中：mPb(戈，y，日)

12、为像素点在(戈，y)处日方向的局部多尺度边缘概率；s为尺度；G chm)(x，y，p)是颜色通道ch上以(戈、)，)为圆心、盯(ch，s)为圆盘半径，从角度p上进行切分的两个半圆盘直方图的差万方数据第9期 沃焱等：一种基于图的彩色图像分割算法异；am；为权值，用来衡量不同通道尺度下的概率分布像素点的局部多尺度边缘能量可表示为Empb(x，)，)=ma)【mPb(z，y，p) (6)对于全局边缘检测，可用谱聚类将局部多尺度信息结合到全局框架首先根据局部多尺度边缘概率定义相似矩阵彬，l，=exp(一呻蜂Empb(p)p) (7)式中，驴为连接两个像素点i、，的线段，Empb(p 7)为线段经过的像

13、素点p 7的Empb，常数p取值为01对角矩阵D。=乞Wi，根据(Dw)，=加v获得特征向量v。，y1，一，l，把每个特征向量yt看成一个图像，在p方向上与高斯方向导数滤波器作卷积，可获得方向梯度信号V。v。(戈，y)不同特征向量的方向梯度的结合，构成谱聚类下的边缘梯度概率：1sPb(戈，y，咿)=_lIV。V。(戈，y) (8)=1、女式中，l历为权值，A。为第后个特征向量的特征值结合多尺度局部梯度信息和谱聚类全局梯度信息可获得图像的边缘轮廓gPb：gPb(戈，y，p)=卢“；G。h，(。，)(戈，)，臼)+s ch“sPb(z，臼) (9)式中，卢。和p为权值对于像素点的全局边缘能量，可以

14、用像素点的最大gPb边缘概率来表示：Egpb(戈，y)=m9xgPb(戈，y，p) (10)122边缘相似性判断由于gPb用边缘梯度信号描述，梯度越大，存在边缘的可能性越大而邻接区域的边缘相似性主要在于检测邻接区域边界之间是否存在边缘，因此文中根据邻接区域间相邻边界点的梯度概率来度量边缘相似性在图1所示的示例中，尺。、Ri为邻接区域Ri、R，的相邻边界点集合P=p。l 1mP，P为Ri、足之间的相邻边界点个数根据边界点的梯度幅值可将咒、尺i间的边缘梯度概率Grad(月i，月i)表示为4吣墨图1 邻接K域分布同Fig1 Dist曲ution of adjacent regions边界点集合P的边

15、缘概率平均值：Grad(尺。，弓)=Egpb(p。(z)，Jp。(y)P(11)式中，p。(戈)、p。(y)表示第m个边界点的戈、)，坐标Gmd(Ri，R，)越大，尺i、尺，之间存在边缘的可能性越大，两区域边缘特征越不相似；反之，Grad(R，Rj)越小，Ri、R，之间存在边缘的可能性越小，边缘相似的概率越大因此，Ri、尺，的边缘相似性条件可表示为c2(屯耻矗罴汨n剐妇2 (12)c2一B卜ii其他一一 02式中，占：为阈值当区域边界点的梯度概率小于s：时，邻接区域具有边缘相似性；反之，则不具有边缘相似性13纹理相似性纹理是图像处理中的常用特征在文献1012方法中，仅用颜色特征来进行图像分割，

16、当背景和目标区域颜色相似时，难以得到较好的分割结果，因此在合并时需要考虑区域间的纹理相似性Gabor滤波15 3是一种常用的提取纹理的方法，能有效提取不同方向和尺度的纹理信息因此，文中用Gabor滤波器来提取纹理特征二维Gabor滤波器表示为 g(戈，)，；痧，8，妒，6，7)=exp(一等)exp(i(2丌芳叫) (13)式中，zcosp+)，sinp，y=一戈sinp+)，cosp，毋为扬乏长，9 7为Gabor核函数方向，沙为相位偏移，6为高斯标准差，y为空间纵横比由于纹理有较强的方向性，因此文中从8个方向(o，詈，詈，荨，詈，警，莩，)提取纹理先利用式(13)得到8个Gabor模板，然

17、后用Gabor模板对图像进行滤波，可获得各方向的的纹理特征：=J，0踟j (14)式中，L，为p方向的纹理特征，O为卷积运算符，为原图，骱为p方向的Gabor模板由于像素点在各方向上的纹理梯度不同，为度量区域纹理相似性，需要统计区域中各像素点的纹理分布像素点在p方向上的纹理梯度越大，该方向的纹理越强因此，可以把像素点的最大纹理梯度所在方向作为该点的主方向，记为p：(戈，y)，纹理梯度作为该点的能量值E(戈，_y)：万方数据4 华南理工大学学报(自然科学版) 第44卷E(z，y)2m戕m(x，y) (15)式中，L，(戈，y)为像素点(z，)，)在p 7方向上的纹理梯度选出所有点的主方向和能量值

18、后，再用方向直方图进行纹理统计初始时，直方图在各方向上的纹理能量为0对区域足的所有像素点，为直方图的各个方向投票，每票都带有权值，当像素点的主方向酢(戈，)，)对应于直方图的p方向时，权值为该像素点的能量值E(戈，y)，否则为0则像素点在p 7方向上的权值E(戈，y，臼7)可表示为Ecz，y，p，=：jxy ：三：!：； c-6，当Ri中所有像素点投完票，可获得图2(a)所示的纹理分布直方图在p 7方向上的能量分布可表示为。t尺i(目)=E 7(舅(露)，y(七)，p) (17)式中，E 7(戈(后)，)，(后)，p)为R。中第1|个像素点在p方向上的权值同理，对区域Ri纹理统计后，可得到图2

19、(b)所示的纹理分布讪蛰-_2 3 4 5 6 7 8方向索引l 2 3 4 5 6 7 8方向索引(a)片纹唯分布 (h)t?Z理分仿图2图l中R。、置的区域纹理分布Fig2 Texture distribution of re舀ons R。and足in Fig1统计邻接区域足、兄i的纹理分布后，其纹理差异可以表示为1厂r一tDist(尺i，R)2寺荟tRi(9，)-t弓(口，)2(18)tDist(尺。，尺，)越大，R。与尺，纹理相似的概率越小，反之纹理相似的概率越大因此，区域Ri、尺i的纹理相似条件可表示为c3(驴盅巍一即妇3 (19)c舭i，弓)2 ii其他一1。 (19)占，为参数当

20、两区域之问的纹理差异小于占，时，两个区域在纹理上有相似性，反之不具有相似性14 区域合并条件合并条件是区域合并的关键文中度量了图像颜色、纹理以及边缘特征的相似性，如果仅把颜色相似性作为合并条件，当目标和背景区域颜色相似时，容易将目标和背景区域融合同理，如果仅把纹理或者边缘相似性作为最终合并条件，也难以获得较好的分割结果若利用颜色和纹理或者颜色和边缘相似性作为合并条件，与之前单一特征相比，合并效果应该要好，但如果将颜色、纹理和边缘特征相结合，使得合并条件更加严格，既能使相似的区域被合并，又能够有效地减少过分割现象因此，文中结合颜色、纹理以及边缘特征相似性，将构造的区域合并条件表示为C 7(尺i，

21、R，)=C。(尺。，Ri)C2(尺。，尺，)C3(R。，尺j)(20)仅当C(R。，R，)=1时才进行合并，此时c。(Ri，尺i)、C：(Ri，尺，)、C，(R。，尺，)均为1，表明区域Ri、Rj在颜色、纹理和边缘特征上都具有相似性2 基于图的区域合并21 邻接图的构造为了更好地描述图像，文中对Mean sh甜131产生的过分割区域集合R构建邻接图令G 7=(y，e)表示一个无向图，y是图的顶点集合，对图进行初始化时y=R(秽i，a，)e，e是边集合，(秽。，)表示连接顶点秽i和秽i的边，该边的上的权值伽(口i，口，)用于衡量秽i、移i的不相似性结合区域在颜色、纹理和边缘特征上的差异，可将连接

22、口；、Fi的边的权值甜(耽，秽表示为埘(。，秽，)=Diff(秽。，秽，)+Grad(秽。，可i)+tDist(创i，q) (21)22 区域合并过程在区域合并过程中，合并顺序的优劣能反映算法能否保持图像全局属性由于区域之间的差异性，合并时会产生合并成本，记为costF，差异越大，costF越大为使合并顺序最优，每次合并时costF应最小由于边的权值能反映区域间的差异，因此区域Ri和Ri之间的costF可用权值表示，即costF(Rj，尺，)=埘(尺。，R，) (22)在合并过程中，选择costF最小的边(Ri，尺i)，若R。、尺，满足合并条件就将Ri、尺i合并，并更新与R。、Ri相关联的边若

23、尺i、Ri不满足合并条件，因其他边的costF比costF(R。，R，)大，表明其他区域间的颜色、纹理以及边缘上的特征差异更大，因而不会满足合并条件，此时区域合并可以终止万方数据第9期 沃焱等：一种基于图的彩色图像分割算法 5S翡菁霎溉邻接图中所有边的合并3实验分析1)利用式(22)计算出邻接图中所有边的合并 。 死但卅1，I成本costF2)在边集合e中选择合并成本costF最小的边(尺i，Ri)，利用式(20)计算c 7(尺i，R小3)若C(Ri，尺i)=1，则将Ri合并人Ri，并对邻接图作以下更新(a)删除Ri与Ri间的边(Ri，R山(b)对于所有从Ri出发的边(尺i，R触)，删除边(R

24、i，R从)，若在集合e中不存在边(RR触)，则建立边(尺i，尺从)；(c)对于所有从尺f出发的边(R，R。)，利用式(22)重新计算costF(Ri，Rff)；(d)返回步骤2)4)若C 7(置，Rj)=0，则终止区域合并，输出分割结果23 区域合并属性文中利用查找最优合并成本的方式进行合并，可以保持图像的一些全局属性，既不产生过分割也不产生欠分割为证明文中算法满足这一属性，文中参照文献10方法中精细和粗糙分割的概念定义过分割和欠分割若分割S中包含一些满足合并条件但没合并的区域对，则称|s过分割；若s存在另一个分割S，S中邻接区域之间有明显的边界，且5的每个区域都包含在S的一些块中，Js能通过

25、S的一次或多次划分得到，则称S是欠分割的另外，若两区域的边缘特征不相似，则区域之间存在边界假设在第后次迭代中，分割s是过分割的，由定义可知，至少存在一个区域对(R；，R?)满足区域合并条件但没有合并，此时尺；和R；的合并成本costF最小若R：和R；没有合并，则至少有一个相似性条件不满足随着costF的增大，置和Ri不可能满足合并条件，与尺i和R，满足合并条件矛盾，因此Js不是过分割如果S是欠分割，则S中存在另一个分割Js，s的邻接区域之间存在边界令区域c5，邻接区域A，BS，AcG，BC，且A和B之间有最小costF由文中算法可知，在A和B合并之前不会和c中其他区域合并，与C包含A、B矛盾因

26、此|s不是欠分割综上所述，文中算法在区域合并过程中能保持图像的全局属性，既不产生过分割也不产生欠分割31 分割评估数据库为验证文中算法的分割性能，文中采用分割评估数据库(SED)u钊进行实验该数据库包含100幅彩色图像及对应的标准分割结果，每幅图像含有单一目标区域，且背景和目标亮度、纹理等特征都有所不同为评估分割质量，文中采用式(23)计算F值刊来评估分割结果与标准分割结果的一致性” 2r1 r2，=rl+r2(23)式中：r，为查全率；r2为查准率；F为两个指标的综合，反映了算法的分割性能，F越大，分割质量越好32实验参数设置实验参数设置如下：Gabor滤波器相位偏移沙为0，空间纵横比y为1

27、，波长侈和标准差6分别为4和3度量边缘、纹理相似性的阈值占：和吼需适当调整占：较小可使少数区域被合并而形成欠分割，占：较大可能导致过分割为得到较好的分割效果，文中占：取为53对于s，先用标准差求得图像在8个方向上的纹理分布，标准差越大，纹理差异越大实验中当标准差大于032时，图像的纹理差异明显，为使纹理相似区域能合并，s，取03；反之，当标准差小于032时，图像平滑纹理差异不明显，若s，取值与前者一致，则可能使目标和背景融合导致过分割，此时占，取0233 分割结果331 图像分割结果对图3(a)所示原图进行图像分割，原图边缘轮廓如图3(b)所示图3(c)为Mean shm【I副预处理的结果为完

28、整地分割出目标区域，文中利用过分割区域构造邻接图，并迭代合并具有相似性的区域，迭代70和150次的结果分别如图3(d)和3(e)所示，与图3(c)相比，区域个数明显减少，目标区域边缘逐渐清晰，仍有需合并的区域；迭代合并300和325次的结果如图3(f)和3(g)所示，图中背景相似区域被合并，目标区域基本分割完成；最终的分割结果如图3(h)所示，其目标边缘轮廓与图3(b)中显著边缘轮廓一致，说明文中算法能较好地实现对目标区域的完整分割万方数据6 华南理工大学学报(自然科学版) 第44卷a)原图 (b)边缘轮廓图 (c)Mean shifl(c1)合并结果分割合许结果! (f)合计缩小3 (g)合

29、并结粜4 (111分割结粜图3图像分割结果Fig3 Results of image segmentation332纹理、边缘对分割效果的影响为验证纹理、边缘对分割效果的影响，采用文中算法从颜色、颜色+纹理、颜色+边缘、颜色+纹理+边缘4种情况对图4(a)、5(a)进行分割实验，结果如图4和5所示(t颜包+纹理分割 ff)f颍包+边缘分割 颜色+纹理+边缘分割图5弱纹理、强边缘分割结果Fig5 Segmentation results of weak texture and strong contour由于图4(a)的目标和背景颜色相似，若仅用颜色，则目标与背景融合，分割结果如图4(c)所示；

30、因原图部分边缘模糊(见图4(b)，故未能分割出完整的边缘(见图4(e)；引入纹理后，能较好地分割出目标区域(见图4(d)；颜色、纹理和边缘的结合能获得完整的边缘，还能消除一些细小的区域(见图4(f)图5(a)的目标和背景区域颜色相似且纹理差异较小，仅用颜色同样使目标区域与背景融合(见图5(c)，纹理的引入也不能获得完整的边缘轮廓(见图5(d)因图5(b)的边缘轮廓完整，故加人边缘后图5(e)、5(f)能完整地提取目标区域颜色、颜色+纹理、颜色+边缘、颜色+纹理+边缘的分割评估结果分别为0611、0665、0693、0784可知，引入纹理和边缘能提高文中算法的分割性能，颜色、纹理和边缘的结合，可

31、使目标区域轮廓完整，分割效果更优333分割结果评估与比较为了验证文中算法的有效性，将该算法与EGS10、DRM12、Mean shift和HIS算法进行比较为获得较好的分割结果，先对这些方法的阈值进行调整在测试大小为320240或更大的彩色图像时，EGs方法中用来衡量区域间是否存在边界的阈值取值为300DRM中参数A。用来控制邻接区域之间的一致性，A。越大，越容易导致欠分割，反之会出现过分割现象，文献12给出A，的取值范围为0150，文中通过实验后取允1为12；Mean shift方法中的两个带宽参数矗。(空间带宽)和，(色度带宽)分别影响分割效率和分割质量在实验过程中，选取了30组数据进行测

32、试，最终选取。=8和。=10时的结果作为最终的分割结果HIs方法按原文献14给定参数即可得到最好的分割结果，故不作调整文中算法的阈值占：和s，的选取已在32节进行分析各算法的分割结果如图6所示图6(a)原图的目标和背景颜色比较相似且纹理简单，文中算法能较完整地分割出目标区域，HIs分割出的部分目标区域与背景融合，其他方法则产生多个小块；图6(b)原图的目标和背景颜色、纹理差异较大，文中算法能用较少的块分割出目标区域，HIS不能完整分割出目标区域，其他方法则在纹理丰富区域产生多个细小块，分割不完整；图6(c)原图的目标和部分背景区域颜色相似，纹理有一定的差异，文中算法能较完整地分割出目标区域，其

33、他方法则产生过分割和欠分割从图6可以看出，EGS、DRM和Meanshift不能完整地分割出目标区域，HIS能获得较好的分割结果但容易将目标区域和背景融合，而文中算法在目标区域和背景颜色相似的情况下能较完整地分割出目标区域，减少了过分割现象万方数据第9期 沃焱等：一种基于图的彩色图像分割算法J原【冬I I：(：、 Mean11lfI I)l、1 f|l_ 文巾茸法(c)目标与背景的颜色相似、纹理小同情况卜的分割结果图6不同方法的分割结果比较F培6 Compa工ison of segmentation reslllts by di妇ferent methods为评估算法的分割性能，文中利用式(2

34、3)计算F值对以上5种算法进行评估，文中算法、HIS14、EGS、DRM1 2。、MeaIl sh甜131的F值分别为0784、0781、0602、0460、o440由此可知，同其他的分割算法相比，文中算法有更好的分割性能4 结论文中提出了一种基于图的彩色图像分割算法该算法采用区域合并的方式，先用Mean shift预处理得到初始过分割区域，并利用这些区域构造邻接图；然后通过度量图像在颜色、纹理和边缘特征的相似性来构造区域合并条件为了获得较优的合并顺序，文中采用查找最优合并成本的方式进行区域合并，以保持图像的全局属性在sED数据库上的实验结果表明，与现有算法相比，文中算法具有更好的分割性能，在

35、目标和背景区域颜色较相似的情况下，能较好地实现对目标区域的完整分割参考文献：1杨震伦，闵华清，罗荣华基于改进量子粒子群优化的多阈值图像分割方法J华南理工大学学报(自然科学版)，2015，43(5)：126138YANG Zhen-lun，MIN Huaqing，LUO RonghuaMultithreshold image segmentation algorithm based on im-prDved quantum-behaved particle swarrn optimizationJJoumal of south china university 0f Technology(Nat

36、uml Science Edition)，2015，43(5)：1261382 GONG Maoguo，LIANG Yan，sHI Jiao，et a1Fuzzy cmeans clustering with local ibmation and kemel metricfor image segmentationJIEEE Transactions on ImagePmcessing，2013，22(2)：573584一上国扑秽。闺豳小圈瞄一工图删誓窿黼删邈黼谬攀鞠黼乎国黼Z园阶哆圈麟譬鹭簟瓣Z_刚豳惘豳万方数据华南理工大学学报(自然科学版) 第44卷3周晓明，李钊，刘雄英一种基于改进FcM

37、的自动图像分割J华南理工大学学报(自然科学版)，2014，42(3)：1-7ZHOU Xiaoming，LI Zhao，UU XiongyingAn automaticimage segmentation algorithm based on impmved FCMJJoumal of S0uth chjna universify of Technology(Natural Science Edition)，2014，42(3)：1-74 Bo Peng，zHANG L，zHANG DA sunrey of graph theo-retical approaches to image segm

38、entation JPattemRecognition，2013，46(3)：102010385 sHI J，MALIK JNoHnalized cuts and image segmentationf J 1IEEE Transactions on Pattem Analysis and MachineIntelligence，2000，22(8)：8889056 u Taj-yong，XIE Zhilong，wu Jiang，et a1Interactive object extraction by merging re舀ons with后一dobal maximalsiIIlil撕tyJ

39、Neurocornputing，2013，120(23)：6106237 TAN xiao，SuN changming，sIRAuIJT x，et a1stereomatching using cost volume watershed and re舀on mergingJsignal Pmcessing：Image communication，2014，29(10)：123212448 zAHN c TGr印htheoretic methods for detecting and describing gestalt clustersJIEEE Transactions on compute

40、rs，197l，20(1)：68869 uRQuHART RGraph theoretical clustering based on1imited neighborhood setsJPattem Reco驴ition，1982，15(2)：17318710 FEIzENswALB P，HuTrENLOcHER DEmcient铲印h一121314151617A Graph-Based Color Imagebased image segmentationJIntemational Joumal ofComputer Vision，2004，59(2)：167181REZVANIFAR A，

41、KHOSRAVIFARD M1ncluding thesize of re舀ons in image segmentation by re舀on_basedgraph JIEEE 7Ihnsactions on Image Processing，2014，23(2)：635-644B0 Peng，ZHANG L，ZHANG DAutomatic image se分mentation by dynamic re舀on mergingJIEEE Tmnsactions on Image Processing，2011，20(12)：35923605COMANICIU D，MEER PMean sh

42、ift：a robust appmachtoward feature space analysisJIEEE Tmnsactions onPatt唧Analysis and Macline Intelligence，2002，24(5)：603619ARBELAEZ P，MICHAEL M，FOWLKES C，et aL Contour detection and hierarchical image segmentationJIEEE Transactions on Pattem Analysis and Machine Inteigence，2011，33(5)：898916FORGEL

43、ISAGI DGabor filters as texture discriminatorJBiological cybemetics，1989，61(2)：103113AIPERT S，GALUN M，BASRI RImage segmentation bypIDbabilistic bottomup aggregation and cue integrationJIEEE Transactions on Pattem Analysis and Machine Intelligence，2叭2，34(2)：315-327HRIPCSAK G，ROTHSCHILD A SA殍eement，th

44、e Fmeasure，and reliability in infomation retrieval JJoumal of the American Medical Infonnatics Association，2005，12(3)：296298Segmentation AlgoritllIIlWo Y帅JIN xuon(School of computer science and En矛neeng，south china uniVersity of Technology，Guangzhou 510006，Guangdong，china)Abstract：In order to solve

45、the ove卜segmentation problem in the image segmentation，a graph-based c010r imagesegmentation algorithm is pmposedIn the algorithm，on the basis of the region-me唱ing method，the oVe卜segmentation re舀ons are obtained by using Mean shift to preprocess an image，and for the oVer-segmentation regions，aregion

46、 adjacency铲aph is constructedThen， the color， texture and edge contour similarities between adjacencyre百ons are measured to judge if adjacency re舀ons need to be me玛ed，until au the satisfactory regions are me唱edBesides，the regions are merged by searching the optimal mergingcost，so as to preserve some

47、 global prosperity ofthe image Expe打mental results indicate that the pmposed algorithm can completely segment object regions eVenwhen the color features between backgmund regions and object re西ons of an image are similar，and it has a bettersegmentation perfomlance in comparison with four stateof-the-art segmentation algorithmsKey words：image segmentation；Gabor filters；textures；edge；regional simil撕ty万方数据