结合小波系数的Normalized Cut分割算法

计算机应用 ›› 2011, Vol. 31 ›› Issue (01): 182-183.

结合小波系数的Normalized Cut分割算法

黄颖¹,²,杨光琼³

1. 电子科技大学
2. 重庆邮电大学
3.

收稿日期:2010-06-01 修回日期:2010-07-22 发布日期:2011-01-12 出版日期:2011-01-01
通讯作者: 黄颖
基金资助:
国家自然科学基金项目

Normalized cut segmentation algorithm combined with wavelet coefficient

Received:2010-06-01 Revised:2010-07-22 Online:2011-01-12 Published:2011-01-01
Contact: Huang Ying

摘要/Abstract

摘要： 为了提高normalized cut分割算法的准确率，结合小波系数调整图像的亲和矩阵。首先采用小波系数计算图像的边缘信息，然后使用边缘信息对原始图像构造一个图，求取图的拉普拉斯矩阵的前K个特征值，并对第二个特征值对应的特征向量进行分类，得到最终的分割结果。使用一些自然图像进行了验证，结果证明新方法能提取目标更为细致的细节，保留更多有用的信息。

关键词: 图像分割, Normalized cut方法, 小波系数, 图分割

Abstract: Wavelet coefficient is used to calculate the edge information of the image. At first, a graph is constructed for the original image, and the Laplacian matrix is obtained and the first k eigenvalues is computed. The eigenvector corresponding to the second eigenvalue is classified to get the final segmentation results. Experimental results show that the proposed method can get more accurate results, and preserve more useful information.

Key words: Image Segmentation, Normalized cut method, Wavelet Coefficient, Graph partition

黄颖杨光琼. 结合小波系数的Normalized Cut分割算法[J]. 计算机应用, 2011, 31(01): 182-183.

[1]	杨瑞, 钱晓军, 孙振强, 许振. 自然场景下多区域特征融合的混合航拍图像分割算法[J]. 计算机应用, 2021, 41(8): 2445-2452.
[2]	沈雪雯, 王晓东, 姚宇. 基于空间分频的超声图像分割注意力网络[J]. 计算机应用, 2021, 41(6): 1828-1835.
[3]	黄梨, 卢龙. 基于长距离依赖编码与深度残差U-Net的缺血性卒中病灶分割[J]. 计算机应用, 2021, 41(6): 1820-1827.
[4]	董阳, 潘海为, 崔倩娜, 边晓菲, 滕腾, 王邦菊. 面向多模态磁共振脑瘤图像的小样本分割方法[J]. 计算机应用, 2021, 41(4): 1049-1054.
[5]	罗琴, 王艳. 无需初始轮廓的图像分割模型[J]. 计算机应用, 2021, 41(4): 1179-1183.
[6]	胡屹杉, 秦品乐, 曾建潮, 柴锐, 王丽芳. 基于特征融合和动态多尺度空洞卷积的超声甲状腺分割网络[J]. 计算机应用, 2021, 41(3): 891-897.
[7]	袁芊芊, 邓洪敏, 王晓航. 基于超像素快速模糊C均值聚类与支持向量机的柑橘病虫害区域分割[J]. 计算机应用, 2021, 41(2): 563-570.
[8]	原泉, 王艳, 李玉先. 距离保持水平集演化模型的快速实现算法[J]. 计算机应用, 2020, 40(9): 2743-2747.
[9]	谢云霞, 黄海于, 胡建斌. 基于深度卷积神经网络的糖尿病视网膜病变分期及病灶检测[J]. 计算机应用, 2020, 40(8): 2460-2464.
[10]	高海军, 曾祥银, 潘大志, 郑伯川. 基于U-Net改进模型的直肠肿瘤分割方法[J]. 计算机应用, 2020, 40(8): 2392-2397.
[11]	吴崇数, 林霖, 薛蕴菁, 时鹏. 基于自监督学习的病理图像层次分割[J]. 计算机应用, 2020, 40(6): 1856-1862.
[12]	张一飞, 李新福, 田学东. 基于图像分割的立体匹配算法[J]. 计算机应用, 2020, 40(5): 1415-1420.
[13]	曾招鑫, 刘俊. 基于深度学习的秀丽隐杆线虫显微图像分割方法[J]. 计算机应用, 2020, 40(5): 1453-1459.
[14]	魏小娜, 邢嘉祺, 王振宇, 王颖珊, 石洁, 赵地, 汪红志. 基于改进U-Net的关节滑膜磁共振图像的分割[J]. 计算机应用, 2020, 40(11): 3340-3345.
[15]	冯涛, 陈斌, 张跃飞. 基于改进的Mask R-CNN的染色体图像分割框架[J]. 计算机应用, 2020, 40(11): 3332-3339.