全变分流边与M^(2)GGD相结合的自然图像分割方法

作     者：杨勇 郭玲 叶阳东 YANG Yong;GUO Ling;YE Yangdong

作者机构：郑州工业应用技术学院信息工程学院河南新郑451100 郑州大学信息工程学院郑州450000 郑州航空工业管理学院档案馆郑州450046 

基　　金：国家自然科学基金(61772475,61502432) 河南省教育厅高等学校青年骨干教师培养计划项目(2017GGJS186,2019GGJS279) 郑州市智能交通视频图像感知与识别重点实验室项目(郑科〔2020〕34号) 

出 版 物：《计算机工程与应用》 (Computer Engineering and Applications)

年 卷 期：2021年第57卷第11期

页      码：202-210页

摘      要：提出了一种全变分流边与M^(2)GGD概率密度分布相结合的自然图像分割方法。由于自然图像经常受噪声的污染,导致分割的区域结果视觉效果差,而区域间的边界具有较好的非同质区域区分能力,于是提出了利用全变分流来提取边界,并结合M^(2)GGD概率密度分布构建具有空间约束能力更强的图像分割方法。由于其能量最小化是NP难问题,通过设计最大期望最大似迭代优化方法,将待优化模型的区域项和边缘项,分别转化为多层图割模型的t-link以及n-link,并利用最大流/最小割算法,可求得全局近似最优解。最终,通过在合成的噪声污染图像以及自然场景图像上进行实验对比与分析,实验验证了提出的方法具有较好的抗噪能力,较高的量化准确率,且最终分割的结果接近于地面真实分割结果。

主 题 词：全变分流 多变量混合泛化高斯分布(M^(2)GGD) 自然图像 图像分割 

学科分类：1305[艺术学-设计学类] 13[艺术学] 08[工学] 081104[081104] 0804[工学-材料学] 081101[081101] 0811[工学-水利类] 

D　O　I：10.3778/j.issn.1002-8331.2003-0279

馆 藏 号：203103421...