在图像处理中,图像分割是一种重要的图像分析手段,目的在于将图像划分为具有不一致性特征的区域并提取图像中有意义的或人们感兴趣区域,是后续图像处理的基础。在计算机视觉领域上,图像分割一直是一个研究的热点问题,各种方法层出不穷,解决了图像分割中各种复杂的问题,但是,图像分割效果的提升非常缓慢,如何能准确高效地分割图像成为了该领域的挑战性工作。论文对有监督的图像分割算法和无监督图像分割算法的研究现状做了简单介绍,并详细描述了经典的无监督图像分割算法。现有的无监督图像分割算法存在以下两个普遍的问题:(1)在分割复杂形状的物体时,存在局限性。基于划分或者层次的聚类算法只能发现“类圆形”的簇,因此,在应用于图像分割中时,对复杂形状的物体分割效果较差。(2)对图像的纹理信息比较敏感。已有无监督分割算法通常将物体内部的纹理检测为边缘。针对已有无监督分割算法存在的问题,本文联合核密度估计和密度峰值聚类,提出了一种新的基于密度峰值的无监督图像分割算法(DP-UIS),相对于已有的工作,本文的主要工作如下:(1)本文提出一种新的无监督图像分割方法DP-UIS,能有效处理纹理复杂、形状各异的自然图像分割问题,并保证了图像分割的实时性。

联系：highspeedlogic

QQ ：1224848052

微信：HuangL1121

邮箱：1224848052@qq.com

网站：http://www.mat7lab.com/

网站：http://www.hslogic.com/

微信扫一扫：