研究目的
为解决快速彩色图像分割问题,提出一种两阶段方法:通过基于最小交叉熵的多级阈值分割与交替方向乘子法相结合,并辅以统计区域合并技术,从而提升计算效率与分割质量。
研究成果
基于ADMM的多级阈值分割方法相比PSO、BF、CS和DE等元启发式算法展现出更优的计算效率和稳定性,在灰度图像处理中执行时间低于0.05秒且具有更好的收敛特性。当结合改进SRM用于彩色图像分割时,该方法在PSNR、SSIM和FSIM指标上达到与均值漂移、Ncuts及DE(Q=7)相当或更优的分割质量,同时效率提升约两倍。该方法能有效处理彩色图像分割,但在颜色特征相似的情况下可能需要参数调优以获得最佳效果。
研究不足
阈值算法未考虑像素空间信息,可能导致噪声和非平滑边界。当物体与背景的颜色特征相似时,该方法可能产生过分割或欠分割图像,需调整dc或K等参数。该方案依赖直方图特性,在高度纹理化图像中可能表现不佳。
1:实验设计与方法选择:
本研究采用两阶段分割方法。首先应用交替方向乘子法(ADMM)将图像直方图分解为子模式,通过最小化交叉熵确定最优阈值;其次使用改进的统计区域合并(SRM)技术合并相似区域并消除过分割。该方法适用于RGB或L*a*b*色彩空间的彩色图像处理。
2:样本选择与数据来源:
使用伯克利分割数据集与基准(BSDS500)进行性能分析,包含50张彩色图像。
3:实验设备与材料清单:
采用搭载Intel Core i3 2.5GHz处理器的个人计算机实现算法,软件环境为MATLAB 7.0。
4:5GHz处理器的个人计算机实现算法,软件环境为MATLAB 0。
实验流程与操作步骤:
4. 实验流程与操作步骤:基于ADMM的阈值分割包括计算直方图、初始化参数(K, α, 迭代次数)、迭代更新参数、计算阈值、检查收敛性及输出结果等步骤;SRM阶段通过曼哈顿距离(阈值dc=71)合并区域。整体流程包含图像转换至L*a*b*空间、应用阈值分割、最终通过SRM完成分割。
5:数据分析方法:
通过计算耗时、目标函数均值与标准差(评估稳定性)、以及峰值信噪比(PSNR)、结构相似性指数(SSIM)和特征相似性指数(FSIM)等质量指标进行评估,并与PSO、BF、CS、DE、均值漂移和Ncuts等算法进行对比。
独家科研数据包,助您复现前沿成果,加速创新突破
获取完整内容