论文研究-医学图像融合的并行实现.pdf-其它代码类资源-CSDN下载

论文研究-医学图像融合的并行实现.pdf

所需积分/C币：10 2019-09-07 13:13:16 800KB .PDF
0

收藏
举报

用Normalized Cut（N-Cut）准则分割图片时，会出现诸如过分割或者欠分割的不理想情况。在N-Cut结果的基础上提出了一种改进算法：利用合并-分裂方法，将颜色和纹理相似的区域合并，并对某些区域做进一步N-Cut分割。实验证明，改进后的算法不仅保留了N-Cut方法的优点，而且从一定程度上解决了过分割和欠分割的缺点，能够处理一些自然界的彩色图片，得到了比较理想的分割结果。
黄一岑,沈一帆:基于 Normalized cut的图像分割改进算法 2008,44(34)181 S1和S2,根据式(2),Ncu(S1,S2)的值将被用来决定是否继续分割。在合并-分裂的过程中,选择了比较两个区域的整体特征分布的相似性作为合并的准则。另一种常用的准则是根据两个区域公共边界上的颜色、亮度等的平滑性来决定是否合并。本文没有选择后者的原因是该准则无法处理某些特殊情况,例如:一块纹理区域可能会在内部的边界线处被分割成两块,但是这不是所希望的结果。这时,就必须依靠分析区域的整体特图3应用了本文算法的初始图片及其结果征,即采用前一种合并准则来进行处理。图2是一个完整的显示合并一分裂演变过程的例子。(a)是本文在计算区域间的相似性时采用了比较颜色和纹理的幅花盆的原始图片,这张图片中花丛和泥土的纹理是较为典直方图的方法。由于颜色可以用确切的RGB值来表示,而纹理是一个较难度量的特征,所以颜色在比较相似性时起到了更重型的自然界的纹理。(b)~(e)是对这幅图片进行合并-分裂的过要的作用。在处理纹理信息时,本文使用文献6提供的程序和程,从(b)可以看到由K-wavN-Cut得到的初始结果已经可以大量自然界的图片求解了一组 texton词典,用于计算区域内纹将纹理区域和周边较好地分割开,但是由于这是一个全局最优理的直方图。在得到区域的颜色和纹理直方图后,就可以计的分割,一些细节部分不能割出,例如(d)(e)中右下角的阴影算它们的ⅹ2距离来进行比较。在实验过程中,作者发现了一些影响实验结果的因素,可分被分割成很多区域,由于在人脑的认知中,所有花的纹理都根据情况做适当调整。(1)在初始K值的选取上,作者认为根应该同属于一个区域,所以(c)通过比较子区域之间颜色和纹据图像大小自适应地估算K值可以为之后的工作提供更好的理的相似性,将花丛纹理合并起来了。最终的结果(e)将图像中初始条件。(2)算法中一些阈值的设置对于结果有不同程度的主要的物体分割了出来,改进了初始结果。但是有一些区域例影响,关于阈值的选取将会在实验结果分析里提到。如原始图片底部属于花盆的阴影部分,虽然人眼不认可它们成为单独的区域,但是由于其颜色和周边的差异势必会被分割出 3改进的图像分割算法的流程来。这种分割的对错很难界定。图3中诸如马的腿部细节没有分割完整,或者天空被分割 (1)对图像作 K-way N-Cut,K值可以事先设定,也可以根成很多区城这样不太好的结果主要取决于以下两点:(1)参数据图像的大小进行预估。的设置不成功;(2)初始的N-Cut分割的K取值 (2)给定一组 texton原型,计算图像每个分割区域的纹理在本文的算法中,需要设置3个阈值:颜色相似度阈值直方图和颜色直方图。 c_t、纹理相似度阈值tt、ncut阈值mt(图2)。由于许多图片 (3)计算每一个区域与其所有相邻区域的纹理和颜色的x2的颜色对比度不一,使用 texton也不能保证区分所有类型的纹距离。理,因此对于不同图片阈值选择也不同,而且难以估算,有时结 (4)对于图像中任两个相邻的区域M1,M2 果不够理想。另外,初始的N-Cut分割中的K取值对于后面的 Merge(MI, M2), if x (hn, hm)<t_t and x(hci, ha<c_t 其中hn表示区域i的纹理直方图,h表示区域i的颜色直方操作也有一定影响。首先,K取值应当适应图片大小,本文提出图,tt和c_t分别是指定的纹理阈值和颜色阈值。割得到的是全局最优解,所以经常导致细节部分的遗漏,例如 (5)对于图像中的每一个区域S 图3的马腿部分,在后面的合并-分裂操作中也难以弥补。 [SI, S2l=Split(S), if Ncut( SI, S2)>nu_t 其中Ncu(S1,S2)表示的是若对S做2- split N-Cut可以得到的 5结论 Ncut值,m_t是指定的阈值。在诸多基于图论的图像分割方法中, Normalized cut以其 (6)重复步骤(4)~(5),直至合并一分裂的结果不再改变分割不倾向于小区域的优点成为最常用的分割准则之一。然而为止。当前的N-Cut方法在处理较复杂的图片时常会出现欠分割和过分割的情况,这种分割结果会影响其在计算机视觉方面的应 4实验结果及分析用。针对这个问题,本文提出了一种改进的算法:在K-wavN 本文对于一组自然界的图片做了改进分割的实验。图2、 Cut分割方法的基础上迭代地使用合并-分裂方法。在合并-分图3都是应用了本文算法后的结果。在实验初始,设K为20。裂的过程中,本文用 Berkeley提出的 texton来估算相邻区域的感E 可合并性,并且用2- split N-cut分割后的Neut值来决定每个区域的可分裂性。实验结果表示,改进后的方法能将一些带纹理区域的图片中的主要物体分割出来,尽可能地消除了过分割 (c) 和欠分割的情况,所以该方法被证明是行之有效的参考文献 [1] Shi J, Malik J. No J Trans on pami,2000,22(8):888-890 图2实现合并一分裂的过程(ct=1.0,tt=0.1,mt=0.02) (下转187页)

...展开详情

论文研究

试读 3P 论文研究-医学图像融合的并行实现.pdf