基于改进像素相关性模型的图像分割算法

• 作者: 张燕 高鑫 刘以 张小峰 张彩明
• 来源期刊: 图学学报
• 学科: 工学
• 关键词: 图像分割 局部统计特征 像素相关性 非局部信息
• 年，卷（期）: 2022,（2）
• 所属期刊栏目: 图像处理与计算机视觉|Image Processing and Computer Vision
• 页码范围: 205-213
• 页数: 9页
• 分类号: TP391
• 语种: 中文
• DOI: 10.11996/JG.j.2095-302X.2022020205

摘要

图像分割是计算机视觉中的研究热点和难点.基于局部信息的模糊聚类算法(FLICM)在一定程度上提升了模糊聚类算法的鲁棒性,但噪声强度较大时无法获得较好的图像分割效果.针对传统的模糊聚类算法分割精度不佳等问题,提出了改进像素相关性模型的图像分割算法.首先通过分析像素的局部统计特征,设计了一种新型的像素相关性模型,在此基础上,有效利用非局部信息挖掘图像中的细节,提升图像分割效果.实验采用多种评价指标进行分割结果的评估,并与多种模糊聚类系列算法进行对比.在合成图像、自然图像、医学图像和遥感图像上的实验表明,基于改进像素相关性的模糊聚类算法可以有效平衡对噪声的抵抗程度和对图像细节信息的保留程度,分割效果和鲁棒性优于相关算法.