一种基于Mean-Shift改进的图像分割算法-AzureWebSitesnet.PDF

一种基于Mean-Shift 改进的图像分割算法 1 1 1 1 2 1 伏雪 ，马燕 ，张相芬 ，林涛 ，李顺宝 ，张玉萍 1 （上海师范大学 信息与机电工程学院，上海，中国，200234 ） 2 （上海师范大学数理学院，上海，中国，200234 ） 摘要：利用传统的Mean-Shift 算进行图像分割时，由于受迭代次数的限制，造成分割时间长，分 割精度低等缺点。本文提出了结合纹元直方图的 Mean-Shift 图像分割算法，该算法主要利用 Mean-Shift 块对图像进行分割。相对于传统的图像分割算法，本文提出的算法既考虑了图像的边 缘信息，又有效的减少了训练和分类的复杂度，大大的提高图像分割的准确率。实验表明，本文 提出的分割算法对图片中对象的分割效果更加明显；相对于传统的图像分割算法，本文提出的分 割算法在分割准确率上提高了4.3%-18.25% 。 关键词：Mean-Shift 算法；最大响应滤波器；纹元直方图；K-means 聚类；Mean-Shift 块 中图分类号：TP39 1 文献标志码: A 0 引言 图像特征可分为低层特征和高层特征两部分。图像分割是指根据图像的灰度、颜色、纹 理等底层特征把图像分割成具有不同特征的区域并提取出感兴趣目标的技术和过程。 [1] [2] 目前根据图像低层特征进行图像分割的算法包括基于区域的方法 、基于边缘的方法 、 [3] [4-6] 基于聚类的方法 和基于特定理论工具的方法 。虽然这些方法在图像分割方面取得了一 定的效果，但是也存在一些缺点。如：基于区域的图像分割算法会破坏区域的边界，当区域 较大时分割的时间会很长；基于边缘的分割算法对边缘不明显的图片分割效果较差；基于聚 类的分割算法容易引起过分割，需要采取合并等过程；基于特定理论的分割算法由于采用的 算法的缺点限制，在进行分割过程中也会出现很多问题。 本文采用的Mean-Shift 算法是一种广泛使用的聚类算法，具有对噪声具有鲁棒性、分割 效果良好等优点。但是由于Mean-Shift 算法采用的是一种迭代算法，分割精度的高低由迭代 次数决定，这就造成分割时间过长。 本论文将 Mean-Shift 算法与最大响应滤波器组结合，生成 Mean-Shift 纹元直方图，进 一步再对图像进行分割。这样，就可以在减少迭代次数的同时提高分割的精度。 本研究主要贡献为：将Mean-Shift 算法与最大响应滤波器组结合，在低迭代次数的情况 下提高了图像分割的精度。 本论文章节安排如下： 第1 部分，介绍Mean-Shift 算法的基本概念； 第2 部分，获取Mean-Shift 纹元直方图； 第3 部分，实验以及结果分析。 全文最后是结语与展望。  基金项目：国家自然科学基金资助项目（编号） 作者简介：伏雪（1990-），女，硕士研究生，研究方向：图像处理与模式识别；马燕（1970-），女，教授，博士，研究方 向：图像处理与模式识别；林涛（1988-），男，硕士研究生，研究方向：图像处理。 Email: fuxuee@ 1 Mean-Shift 算法 1.1 基本Mean-Shift Mean-Shift 是一种基于梯度的无参密度估计方法。Mean-Shift 算法就是一种基于核的目 标跟踪算法。接下来主要对Mean-Shift 的基本思想进行阐述。 设x ，i=1,…,n,为d 维欧式空间 的n 个空间点，在x 点的Mean-Shift 向量的基本形式 定义为： 1 M (x