基于半監(jiān)督學習和區(qū)域特性的圖像分割算法研究.pdf

1、圖像分割是數(shù)字圖像分析中的重要環(huán)節(jié)，它既是對所有圖像預(yù)處理效果的一個檢驗，也是后續(xù)進行圖像分析與解譯的基礎(chǔ)。因此，對于圖像分割的研究一直受到人們的廣泛重視，也提出了大量不同的算法。
　　 本論文以醫(yī)學圖像分割和SAR圖像分割為應(yīng)用背景，對基于三維區(qū)域生長的腹部器官提取算法進行了研究和改進，同時研究了兩種基于半監(jiān)督學習的SAR圖像分割方法。本論文的主要工作概括如下：
　　 (1)提出了一種基于二次三維區(qū)域生長的腹部器官提取

2、算法。為了抑制區(qū)域生長中出現(xiàn)的過分割現(xiàn)象，該算法提出利用Canny邊緣和第一次區(qū)域生長后得到的結(jié)果圖的形態(tài)學邊緣來約束第二次的區(qū)域生長。實驗證明該算法不僅有效地抑制了過分割，同時分割結(jié)果中的空洞也明顯減少，能比較完整的提取出腹部器官。
　　 (2)提出了一種基于距離學習的半監(jiān)督譜聚類算法。該算法利用數(shù)據(jù)的成對約束信息來學習一種距離度量，用該距離來構(gòu)建相似度矩陣，并采用帶約束的K-均值聚類算法對譜映射后的特征向量進行聚類。該算法充

3、分利用了數(shù)據(jù)的先驗信息，提高了算法的穩(wěn)定性。在紋理圖像和SAR圖像上的實驗表明該算法較傳統(tǒng)的譜聚類算法有更高的分割精度。
　　 (3)提出了一種結(jié)合分水嶺和改進的Laplacian支持向量機(Laplacian SVM)算法的SAR圖像分割方法。為了避免參數(shù)的選擇問題，該算法將自調(diào)節(jié)圖引入到Laplacian SVM算法中。另外，由于Laplacian SVM算法中用到圖和核函數(shù)的思想，將其應(yīng)用到圖像分割問題時，會出現(xiàn)存儲量和計