论文：一种提取多显著性等级区域轮廓的高效算法.pdf

一种提取多显著性等级区域轮廓的高效算法 曹永锋，孙洪，徐新 cao_yong_feng@ 摘要 在图像处理和模式识别的应用中常需要一幅图像在不同约束下的多个分割结果。以弧段动力学作为区 域轮廓的显著性评价，提出了一种多等级区域轮廓提取的高效方法。该方法融合流域分割，计算盆地动力 学(Basin dynamic)，和计算弧段动力学(Arc dynamic)三个过程于一次溢流过程之中；一次处理得到所有区域 轮廓的显著性，通过简单阈值操作可得到不同显著性级别的单像素闭合区域轮廓。 关键词 轮廓提取，多等级分割，盆地动力学，弧段动力学 One high-efficient method for detecting hierarchical field contours CAO Yong-Feng, SUN Hong, XU Xin Abstract In image processing and pattern recognizing, different segmentations of one image under different restriction are often needed. Using arc dynamic as a measurement of contours’ saliency, one hierarchical contours detection method of high efficiency was proposed. The method merge watershed segmentation, calculating basin dynamic and calculation arc dynamics in only one flooding process, and get saliency value of all possible field contours. With different thresholds, one-pixel-width close contours of different saliency level can be easily detected. Keywords contours detection, multilevel segmentation, basin dynamic, arc dynamic 1．引言 图像分割是计算机视觉，模式识别和图像理解等领域中的一项基本任务，分割的质量直 接影响后续处理的有效性，因此具有十分重要的意义。目前，关于图像分割的大多数研究工 作集中在如何得到“一个”最佳的分割结果。然而，在实际应用中常需要不同约束（例如， 不同阈值）下的多个分割结果，因为所需要的信息往往散布在多个不同等级上，在相同约束 下，不能同时被较好的提取出来。将一种分割算法在不同约束下运行多次可以得到多个结果， 但却是一个费时和令人沮丧的方法。Beucher[1][2]基于形态学流域算法[3~5]提出了多级分割 的思想，即分割过程中并不取阈值，而是按照某种标准计算所有区域轮廓线的显著性。 Najman 和Schmitt[6]基于盆地动力学（Basin dynamic[7] ）提出弧段动力学（Arc dynamic ）， 并将其作为区域轮廓弧段的显著性度量，在得到所有弧段的显著性值后，取不同阈值即可得 到对应的不同显著性等级的闭合区域轮廓输出。 然而Beucher 的算法必须多次运算直到收敛，而且分级无法做细[6] ；Najman和Schmitt[6] 的 方法虽可以得到较精细分级但在求取区域轮廓显著性时效率较低（需要运行两次相对费时的 溢流过程）。基于上面问题，提出一种高效的多显著性等级区域轮廓提取算法——在线 flooding-list方法。 2 ．在线flooding-list 原理和算法 为了得到任意显著等级的区域轮廓输出，需要三个条件：第一，找到所有的区域轮廓； 第二，一个评价区域轮廓显著度的标准；第三，计算区域轮廓显著度的方法。 Najman和Schmitt[6]认为无法在溢流过程中计算所有轮廓点的Arc dynamic ，因而分 3 步 完成他们的算法，即首先使用流域算法得到所有轮廓点，然后计算所有区域的Basin dynamic