结合Ostu阈值法的最小生成树图像分割算法

doi:10.3778/j.issn.1002-8331.1801-0447

计算机工程与应用 ›› 2019, Vol. 55 ›› Issue (9): 178-183.DOI: 10.3778/j.issn.1002-8331.1801-0447

结合Ostu阈值法的最小生成树图像分割算法

宋森森1，贾振红1，杨杰2，Nikola KASABOV3

1.新疆大学信息科学与工程学院，乌鲁木齐 830046
2.上海交通大学图像处理与模式识别研究所，上海 200240
3.奥克兰理工大学知识工程与发现研究所，新西兰奥克兰 1020

出版日期:2019-05-01 发布日期:2019-04-28

Image Segmentation Algorithm of Minimum Spanning Tree Combined with Ostu Threshold Method

SONG Sensen1, JIA Zhenhong1, YANG Jie2, Nikola KASABOV3

1.College of Information Science and Engineering, Xinjiang University, Urumqi 830046, China
2.Institute of Image Processing and Pattern Recognition, Shanghai Jiao Tong University, Shanghai 200240, China
3.Knowledge Engineering and Discovery Research Institute, Auckland University of Technology, Auckland 1020, New Zealand

Online:2019-05-01 Published:2019-04-28

摘要/Abstract

摘要： 基于最小生成树的图像分割算法是一种全局最优的算法，然而会出现图像细节的处理不甚理想的问题，即分割结果出现不同程度的过分割和欠分割的现象。针对这一现象，根据图像全局和区域间的最大类间方差（Ostu），将Ostu阈值法与最小生成树（MST）算法相结合，提出了一种基于MST的Ostu阈值法图像分割准则。该图像分割算法是一种MST的优化方法，将区域合并判决条件取决于相互合并的两个区域的Ostu阈值，又考虑到较小的区域包含在较大的目标区域中或者背景区域中，再次使用Ostu阈值进行区域合并。该方法通过实验证明，可以有效地减弱图像的过分割与欠分割比例，减少了误分割率。

关键词: 最小生成树, Ostu阈值, 误分割率

Abstract: Image segmentation algorithm based on Minimum Spanning Tree（MST） is a global optimal algorithm. However, there will be poor performance in the processing of image details, that is, the segmentation results will appear different degree of over segmentation and under segmentation. To address this problem, according to the property of the largest class variance among local regions and global image, the MST segmentation algorithm combined with the method of the largest class variance threshold（Ostu） is proposed, which is an optimal method for MST. The Ostu threshold will be used two times, one is a merger between the components, and another is to merge small regions to the target area or the background area. It is proved by experiments that the ratio of over segmentation and under segmentation can be effectively reduced, as well as the error rate of segmentation, by the proposed algorithm.

Key words: minimum spanning tree, Ostu threshold, error rate of segmentation

宋森森1，贾振红1，杨杰2，Nikola KASABOV3. 结合Ostu阈值法的最小生成树图像分割算法[J]. 计算机工程与应用, 2019, 55(9): 178-183.

SONG Sensen1, JIA Zhenhong1, YANG Jie2, Nikola KASABOV3. Image Segmentation Algorithm of Minimum Spanning Tree Combined with Ostu Threshold Method[J]. Computer Engineering and Applications, 2019, 55(9): 178-183.

[1]	邓宇，谌贵辉，李忠兵，张军豪，亢宇欣，夏旭洪. 基于颜色与边缘融合的非局部立体匹配算法[J]. 计算机工程与应用, 2020, 56(10): 199-204.
[2]	曹戴，陈丽芳. 基于杰卡德度量的智能拼图改进算法[J]. 计算机工程与应用, 2018, 54(2): 188-192.
[3]	陈卉，胡立坤，黄钰雯. 采用高斯混合模型及树结构的立体匹配算法[J]. 计算机工程与应用, 2017, 53(20): 195-200.
[4]	郑淼1，郑成增2. 粒子寻优和最小生成树聚类下的WSN能量优化[J]. 计算机工程与应用, 2017, 53(15): 106-110.
[5]	邵　　超，万春红，李洁颖. 用于多流形分类的核等距映射算法[J]. 计算机工程与应用, 2016, 52(4): 121-128.
[6]	刘艳芳，宁爱兵，王英磊. 图的Steiner最小树问题的降阶回溯算法[J]. 计算机工程与应用, 2014, 50(7): 67-70.
[7]	徐晨凯，高茂庭. 改进的最小生成树自适应分层聚类算法[J]. 计算机工程与应用, 2014, 50(22): 149-153.
[8]	黎莹，戴芳，郝勇，左涛. 基于最小生成树的图像分割[J]. 计算机工程与应用, 2013, 49(13): 149-151.
[9]	欧阳浩，陈波. 求解最小生成树的一种小生境遗传禁忌算法[J]. 计算机工程与应用, 2013, 49(1): 59-61.
[10]	刘维群，李元臣. 基于局部信息的时延和时延差约束的组播路由[J]. 计算机工程与应用, 2012, 48(34): 76-80.
[11]	孙宁1，肖国强1，杨恒2，邱开金1. 压缩域中基于自动标记的图像分割[J]. 计算机工程与应用, 2012, 48(23): 168-172.
[12]	彭煜，张华忠，魏晓镇. WSN中一种基于最小能耗树的路由协议[J]. 计算机工程与应用, 2011, 47(6): 109-112.
[13]	刘军立，孙劲光. 基于高维仿生覆盖的人脸识别方法[J]. 计算机工程与应用, 2011, 47(17): 178-180.
[14]	杜丽娟1，2，余镇危1. 分布式超级节点选举算法[J]. 计算机工程与应用, 2011, 47(14): 4-6.
[15]	孙小军¹，刘三阳²，王志强³. 求解度约束最小生成树问题的新算法[J]. 计算机工程与应用, 2010, 46(36): 40-42.

结合Ostu阈值法的最小生成树图像分割算法

Image Segmentation Algorithm of Minimum Spanning Tree Combined with Ostu Threshold Method

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics