结合Delaunay三角网的图像分割

• 作者: 李玉 林文杰 赵泉华 高亮
• 来源期刊: 信号处理
• 学科: 工学
• 关键词: Delaunay三角网 图像分割 图像去噪 超像素 图像滤波
• 年，卷（期）: 2017,（10）
• 所属期刊栏目: 应用
• 页码范围: 1393-1403
• 页数: 11页
• 分类号: TP391.41
• 字数: 6753字
• 语种: 中文
• DOI: 10.16798/j.issn.1003-0530.2017.10.016

摘要

为了有效消除图像噪声影响,提出结合Delaunay三角网的图像分割方法.首先,将像素灰度看作定义在像素格点上的‘高程’,并在此三维图像表达上构建Delaunay三角网,该三角网在图像域上的投影将图像域划分成若干个子区域,形成超像素,再对每个子区域内像素灰度值做均值化处理,由此将原图像转换为均值图像;最后在均值图像上进行图像分割,可以很好地削弱噪声对图像分割的影响.采用本文思想,基于Intel (R) Core(TM) 3.20 GHz/2G内存/Matlab2015a平台,以经典的模糊C均值(Fuzzy C-means,FCM)图像分割算法为例,分别对Berkeley标准测试图像和遥感图像进行了分割实验.生成一幅具有三个同质区域的模拟图像,分别采用对比算法和本文算法对模拟图像进行分割测试,对比算法1(基于ENVI平台的ISODATA分割算法)的三个同质区域(1-3)的用户精度、产品精度、总精度和Kappa值分别为74.87％/55.72％/73.64％、83.98％/37.87％/85.38％、70.25％和0.54;对比算法2(基于中值滤波的FCM分割方法)的三个同质区域(1-3)的用户精度、产品精度、总精度和Kappa值分别为98.16％/70.54％/99.73％、88.10％/99.16％/87.87％、89.93％和0.84;本文算法的三个同质区域(1-3)的用户精度、产品精度、总精度和Kappa值分别为96.25％/80.35％/99.49％、99.76％/94.53％/86.67％、93.30％和0.89.定性和定量的测试结果验证了本文方法的有效性、可靠性和准确性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赵泉华	辽宁工程技术大学测绘与地理科学学院遥感科学与应用研究院	98	506	12.0	17.0
2	李玉	辽宁工程技术大学测绘与地理科学学院遥感科学与应用研究院	104	500	12.0	17.0
3	高亮	辽宁工程技术大学测绘与地理科学学院遥感科学与应用研究院	5	5	2.0	2.0
4	林文杰	辽宁工程技术大学测绘与地理科学学院遥感科学与应用研究院	11	23	3.0	3.0