计算机科学与探索

作者：魏明桦，郑金贵

单位：1. 福建农林大学 作物科学学院，福州 3500072. 福州职业技术学院 信息技术工程系，福州 350108

关键词：轮廓盒子,加权分水岭算法,超度量轮廓图算法,动态规划,自适应匹配

针对超度量轮廓图（ultrametric contour map，UCM）层级图像分割算法对轮廓适应性弱、层级匹配能力较弱且分割碎片较多等问题，提出了一种自适应目标与内容匹配的改进UCM层级图像分割算法。该算法首先使用“轮廓盒子”提取图像关键轮廓，然后使用加权分水岭算法合并区域，提升轮廓适应性，并产生UCM层级树；随后，采用动态规划的方式自适应完成目标与内容匹配，最后使用调整尺度后的UCM层级树完成图像分割。在BSDS500数据集上进行了分割实验，实验结果表明提出的算法在各项分割指标上获得了显著的提升。分割掩盖率（segment cover，SC）、概率边缘指标（probabilistic region index，PRI）和信息变化率（infor-mation variation，IV）三个衡量指标分别在最优数据集尺度（optimal dataset scale，ODS）和最优图像尺度（optimal image scale，OIS）上获得了最佳的效果。UCM层级树通过尺度的调整，能够保证相同尺度的层级分割为同一层，减少了分割碎片，保证了层级匹配。该算法在分割精度上超越了当前大多数主流图像分割算法，同时保证时间复杂度在同一个级别。

来源：2019年第4期

《计算机科学与探索》期刊编辑部

查看计算机科学与探索杂志2019年第4期