彩色图像分割中基于图上半监督学习算法研究

陈蓉; 孙剑; 徐宗本

您当前的位置：

首页 >

文章列表页 >

彩色图像分割中基于图上半监督学习算法研究

更新时间：2025-07-09

- 彩色图像分割中基于图上半监督学习算法研究
- Color Image Segmentation Using Graph-Based Semi-Supervised Learning
- 西安交通大学学报 2011年45卷第2期页码：11-14+20
- 作者机构：
  
  西安交通大学信息与系统科学研究所,西安,710049
- 作者简介：
- 基金信息：
  
  : 2010-05-11. 作者简介: 陈蓉(1985-),女,硕士生;徐宗本(联系人),男,教授,博士生导师. 基金项目: 国家“973计划”资助项目(2007CB311002)
- DOI：
  中图分类号： TP391
- 网络首发：2011-02-10，
  
  纸质出版：2011
- 稿件说明：
移动端阅览
陈蓉, 孙剑, 徐宗本. 彩色图像分割中基于图上半监督学习算法研究[J]. 西安交通大学学报, 2011,45(2):11-14+20.

Color Image Segmentation Using Graph-Based Semi-Supervised Learning[J]. 2011, 45(2): 11-14+20.
陈蓉, 孙剑, 徐宗本. 彩色图像分割中基于图上半监督学习算法研究[J]. 西安交通大学学报, 2011,45(2):11-14+20. DOI：

Color Image Segmentation Using Graph-Based Semi-Supervised Learning[J]. 2011, 45(2): 11-14+20. DOI：

摘要

提出一种新的基于图上半监督学习的彩色图像前景/背景分割模型与算法.该算法的目的是利用人工标定的部分像素点分割信息以实现对整幅图像的分割.通过结合像素点颜色特征和像素点颜色与前景/背景颜色的相似性特征

构造了新的图节点之间的双高斯权重函数

并对此提出自适应的参数选择策略与彩色图像半监督分割的能量模型

通过优化该能量模型将已知像素点的标号信息扩散到未知像素点.实验结果表明

所提出的新算法较已有算法具有更高的分割精度

因此具有重要的应用价值.

Abstract

A novel color image foreground/background segmentation model by semi-supervised learning is proposed. The essence is how to use the labeled pixels to achieve the whole image segmentation. Combining the color similarity between neighboring pixels and the color similarity between the unknown pixel and the known foreground/background pixels

a double-Gaussian function for the weight of graph nodes is constructed. And an adaptive parameter selection strategy and an energy model of semi-supervised segmentation are presented. The energy model is used to predict the labels of the unlabeled points by an optimization process. The experiments demonstrate the better segmentation accuracy than the competing algorithms.

关键词

Keywords

references

CHEN H D, JIANG X H, SUN Y, et al. Color image segmentation: advances and prospects[J]. Pattern Recognition, 2001, 34(12):2259-2281.

MORTENSEN E N, BARRETT W A. Intelligent scissors for image composition[C]∥Proceedings of ACM SIGGRAPH'95. Los Angeles, CA, USA: Los Angeles Convention Center, 1995:191-198.

GLEICHER M. Image snapping[C]∥Proceedings of ACM SIGGRAPH'95. Los Angeles, CA, USA: Los Angeles Convention Center, 1995:183-190.

PERAZ P, BLAKE A, GANGNET M. Jetstream: probabilistic contour extraction with particles[C]∥ Proceedings of ICCV. Vancouver, BC, Canada: IEEE,2001:524-531.

FALCAO A X, LOTUFO R, ARAUJO G. The image foresting transformation, Relatorio Tecnico IC-00-12 [R]. Campinasim, Brazil: University of Campinasm,2000.

ROTHER C, BLAKE A, KOLMOGOROV V. Grabcut-interactive foreground extraction using iterated graph cuts [J].ACM Transaction on Graphics,2004,23:309-314.

LI Y, SUN J, TANG C K, et al. Lazy snapping[C]∥Proceedings of ACM SIGGRAPH 2004. New York, NY, USA: ACM,2004:303-308.

WANG Jingdong, WANG Fei, ZHANG Changshui, et al. Linear neighborhood propagation and its applications[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2009,31(9):1600-1615.

WANG F, ZHANG C S. Label propagation through linear neighborhoods [J]. IEEE Transactions on Knowledge and Data Engineering, 2008, 20(1): 55-67.

CHAPELLE O, SCHOIKOPF B, ZIEN A. Semi-supervised learning[M].London, England: The MIT Press,2006.

ZHU X J. Semi-supervised learning literature survey, Computer Sciences TR1530 [R]. Madison, WI, USA: University of Wisconsin-Madison, 2008.

ROWEIS S T,Saul L K. Nonlinear dimensionality reduction by locally linear embedding[J]. Science, 2000, 290:2323-2326.

ABDERRAHIM E, OLIVIER L, SEBASTIEN B. Nonlocal discrete regularization on weighted graphs: a framework for image and manifold processing[J]. IEEE Transactions on Image Processing, 2008,17(7):1047-1060.

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

面向高海拔空冷发电机防晕性能演化规律的电热耦合研究

采用试验设计方法的第三代CO2气体箔轴承箔片几何参数敏感性分析

结构-语义-残差协同的图像压缩框架：面向隐私保护与高保真重建

三塔合一间接空冷系统结构参数对夏季运行特性的影响研究

扇贝仿生密封腔室内超临界二氧化碳泄漏流湍动能耗散机理研究