一种基于两步分割的非监督彩色图象分割方法.pdf

一种基于两步分割的非监督彩色图象分割方法 张竞丹 1，邓志东 1，郭百宁 2 1 清华大学计算机系智能技术与系统国家重点实验室，北京，100084； 2 微软亚洲研究院，北京，100080 zhangjd00@； michael@； bainguo@ 摘 要 本文提出了一种图象分割算法，它主要应用于基于内容的图象查询系统。本算法有效结合 了图象的局部和整体信息，可以在没有监督的情况下将彩色图象分割成带有较完整信息的区域。这 个算法由两个分割阶段构成：在粗分阶段，算法运用基于边界强度变化的区域生长算法进行局部最 优化的分割；在细分阶段，算法将粗分结果构造成一个无向图、定义了边的权重矩阵，并采用了全 局最优化的图划分技术。试验证明本算法能快速有效的对多种类型的真实图象进行分割。 关键词 图象分割，区域生长，正规化划分。 Two Stage Unsupervised Segmentation of Color Images Jingdan Zhang1，Zhidong Deng1，Baining Guo2 1Department of Computer Science and Technology, Tsinghua University, Beijing, 100084 , China; 2Microsoft Research Asia. Beijing 100080 zhangjd00@; michael@; bainguo@ Abstract In this paper, we present a novel image segmentation method, which is used in content-based image retrieval system. This method efficiently combines the local and global information to achieve unsupervised segmentation of color images and can divide images to meaningful regions. The method consists of two steps: coarse segmentation and fine segmentation. In the first step, a region growth algorithm based on the variation of edge’s intensity is used to segment images locally. In the second step, the graph is constructed using the preliminary partition result and the weight of edges is calculated. Then we use graph theoretic framework of normalized cuts to find partitions of the image. Experiments show the effectiveness of this algorithm on real images. Keywords Segmentation, Region growth, Normalized cut. 1 引言 图象分割是图象处理、分析的一项关键技术。在基于非特定目标、非特定环境的应用 中（如基于内容的图象查询系统），图象分割的要求是：在没有高层知识约束的情况下将 图象分割成有“意义”的区域。每个区域内的元素具有一致的“属性”和较完整的信息， 区域和区域之间有较明显的边界和差距。在分割结果中，一个物体对象内部的细节与颜色 渐变应被忽略，而且一个物体对象只应被表示为一个或少数几个分割区域。本文所提出的 分割算法主要是针对这类应用。 图象分割的方法众多，并且各自有不同的运用范围，并没有一种适合于所有图象的分 割算法 [1] ，这个领域的最新发展中，有基于象素聚类的 [9] ，有基于马尔科夫链的 [10] 。在这 些方法中，利用图划分的全局优化法是一类引人注意的算法。这类方法先把图象转化成一 个无向图 G=(V,E)，其中图象中的每个象素是图的顶点，图的边的权重表示象素之间的关 系紧密程度。在此基础上确定一个划分准则，然后利用图的划分算法对图象进行分割。这 类方法存在两个难点，一个是如何确定划分准则，另一个是如何在这个准则下进行划分。 在文章 [2] 中，确定了最小相似度约束，并在此约束下利用最大流算法来进行