【正文】 礎(chǔ)，因此，如果Mean Shift分割不能提供一個(gè)好的初始分割結(jié)果，MSRM算法或許會(huì)失敗，無(wú)法成功提取目標(biāo)。當(dāng)然，近年來(lái)，隨著有關(guān)Mean Shift圖像分割算法的研究仍不斷，將會(huì)降低提出算法對(duì)Mean Shift分割的依賴(lài)性。 a、b兩組不同標(biāo)記提取背景中的天鵝 分割效率分析—。、，它們都具有目標(biāo)和背景的對(duì)比度較高的特點(diǎn)，此時(shí)MSRM算法的分割效率非常高。，但其用時(shí)最短，表明MSRM算法的效率與目標(biāo)個(gè)數(shù)并無(wú)很大相關(guān)性。、6倍。，而且背景復(fù)雜，雖然得到較好的分割結(jié)果，但是效率不如前三者，表明MSRM算法效率的非常依賴(lài)于初始分割的結(jié)果。，對(duì)比度較低，且存在一定的過(guò)分割，結(jié)果目標(biāo)沒(méi)有完全提取出來(lái)，而且分割的效率大大降低。表明MSRM算法的效率不僅依賴(lài)于初始分割結(jié)果，算法的有效性與目標(biāo)和背景的區(qū)分度有很大關(guān)系。圖像運(yùn)行時(shí)間(s) 結(jié)論提出了一種基于區(qū)域合并的交互式圖像分割算法MSRM，它用Mean Shift算法對(duì)圖像作初步分割，分割結(jié)果的區(qū)域作為算法處理的基本單位。然后，用戶(hù)輸入交互式信息，指定目標(biāo)和背景的大致位置和特征信息，提出的算法將自動(dòng)從各種背景中分割目標(biāo)。提出的方案在目標(biāo)標(biāo)記和背景標(biāo)記的指導(dǎo)下，基于最大相似度機(jī)制進(jìn)行區(qū)域合并，井提取目標(biāo)。提出的算法簡(jiǎn)單有效，它對(duì)圖像內(nèi)容自適應(yīng)理解。多個(gè)有代表性的實(shí)驗(yàn)結(jié)果驗(yàn)證了本文提出算法的有效性。但是．當(dāng)初始分割結(jié)集的區(qū)域數(shù)比較多時(shí)，提出的算法的實(shí)時(shí)性將受到一定的影啊。提出的方法提供了一種通用的區(qū)域合并框架，它本身并不依賴(lài)于Mean Shift分割，其它算法(如Watershed[20]Level set[26]、SuperPixel[27])的分割結(jié)果同樣可適用于這個(gè)框架。結(jié) 束 語(yǔ)隨著網(wǎng)絡(luò)及多媒體時(shí)代的到來(lái)， 人們對(duì)圖像與視頻分割技術(shù)提出了新的需求——優(yōu)秀的數(shù)字圖像及視頻分割不但要具有精確的分割線(xiàn)， 還應(yīng)具備高自動(dòng)化程度、實(shí)時(shí)性、易于操作等重要特性。但在現(xiàn)有的圖像與視頻分割系統(tǒng)中，往往不能滿(mǎn)足這樣的需求。 所以針對(duì)數(shù)字圖像分割系統(tǒng)的自動(dòng)化程度及實(shí)時(shí)性的改進(jìn)正逐漸成為學(xué)者們關(guān)注的熱點(diǎn)問(wèn)題，尤其是在視頻特征提取、機(jī)器視覺(jué)等應(yīng)用上，更加側(cè)重于對(duì)圖像分割技術(shù)實(shí)時(shí)性、自動(dòng)化的需求。圖像分割技術(shù)在整個(gè)圖像處理技術(shù)領(lǐng)域起到了不可替代的基礎(chǔ)性作用，是后期分析圖像、處理視頻等操作的性能得以提高和效果得以改進(jìn)的關(guān)鍵所在。本文對(duì)數(shù)字圖像分割技術(shù)進(jìn)行了較為全面的研究，重點(diǎn)分析了MSRM算法在圖像分割中的應(yīng)用，實(shí)現(xiàn)了高效和便捷的自適應(yīng)圖像分割，本文所做的主要工作如下：（1）總結(jié)了圖像與視頻分割技術(shù)的發(fā)展歷程，重點(diǎn)比較分析了各種類(lèi)型圖像與視頻分割技術(shù)的特點(diǎn)，側(cè)重閾值分割、間斷檢測(cè)、區(qū)域分割三大類(lèi)分割技術(shù)，深度挖掘了不同類(lèi)型分割技術(shù)的優(yōu)勢(shì)和需要改進(jìn)之處。 明確了圖像預(yù)分割處理在圖像與視頻提取技術(shù)中起到的制約作用。（2）對(duì)基于區(qū)域合并的紋理圖像分割算法進(jìn)行一些研究，交待了區(qū)域的表示和相似性度量，闡述了基于最大相似度的區(qū)域合并機(jī)制，重點(diǎn)分析了區(qū)域合并過(guò)程，最后對(duì)合并算法的收斂性進(jìn)行了證明。（3）根據(jù)本文的改進(jìn)思想，設(shè)計(jì)出了一套自動(dòng)化圖像分割系統(tǒng)，并驗(yàn)證了該系統(tǒng)具有較好的實(shí)時(shí)性和較高的自動(dòng)化程度。同時(shí)，結(jié)合通過(guò) 圖像處理工具箱得到的仿真結(jié)果，驗(yàn)證了本文改進(jìn)思想的可行性，有效性。參考文獻(xiàn)[1] Gonzalez R C，Richard E W．Digital image processing．2nd ed．Beijing：Publishing House of Electronics Industry，2003，460521 ．[2] 章毓晉．圖象分割．北京科學(xué)出版社，2001．[3] 邊肇祺，張學(xué)工等．模式識(shí)別(第二版)．北京：清華大學(xué)出版社，2000．[4] K．Karu，A．K．Jain，R．M．Bolle．Is there any texture in the images．PatternRecognition，1996，29(9)：1437—1446[5] Fabien S，Wojciech P．Parameter estimation in hidden fuzzy Markov random fields and image segmentation． Graphical Models and Image Processing， 1997，59(4)：205220 [6] Zhang Y Y，Stephen S，Michael B．Segmentation of brain MR images using Markov random field．In：Proceedings of Medical Image Understanding and Analysis，1999，6568 [7] 葉俊勇，汪同慶，彭健等．基于小波分形的圖像分割算法．計(jì)算機(jī)科學(xué)，2002，29(12)：157159，149 [8] Sang H P，Dong Y，Sang U L．Color image segmentation based on 3D clustering: morphological approach．Pattern Recognition，1998，31(8)：10611076 [9] Philippe S ． Segmentation of digitized dermatoscopic images by twodimensional color clustering．IEEE Transaction On Medical Imaging，1999，18(2)：164171[10] Enno L，Helge R．Adaptive color segmentationa parison of neural and statistical methods．IEEE Transaction On Neural Networks，1997，8(1)：175185 [11] Kurugollu F，Sankur B，Harmanci A E．Color image segmentation using histogram multithresholding and fusion．Image and Vision Computing，2001，19(13)：915928 [12] Wong F ， Nagarajan R ， Yaacob S ． Fuzzy image segmentation via thresholding．Journal of the Institution of Engineer (india) Electronics and Telemunication Engineering Division，2006，86：6872 [13] Mao K Z， Peng Z， Tan P H． Supervised learningbased cell image segmentation for immunohistochemistry．IEEE Transactions on Biomedical Engineering，2006， 53(6)：11531163 [14] Blinn J F．What is a pixel．IEEE Computer Graphics amp。 Applications，2005，25(5)：8287[15] 陸劍鋒，林海，潘志庚．自適應(yīng)區(qū)域生長(zhǎng)算法在醫(yī)學(xué)圖像分割中的應(yīng)用．計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào)，[16] 張發(fā)存，趙曉紅，王忠等．區(qū)域生長(zhǎng)法圖像分割的數(shù)據(jù)并行方法研究．計(jì)算機(jī)工程，2004，30(17)：1416 [17] Carevic D ， Caelli T ． Regionbased coding of color image using KarhunenLoeve transform．Graphics Models and Image Processing，1997，59(1)：2738[18] 楊暉，曲秀杰．圖像分割方法綜述．電腦開(kāi)發(fā)與應(yīng)用，2005，18(3)：2123[19] Comaniciu．V．Ramesh and P．Meer．Real—time tracking of nonrigid objects using mean shift．In Proc．IEEE Conf．on Computer Vision and Pattern Recognition，Hilton Hcad，SC，olume II，June，2000。PP．1 42—1 49．[20] S．Chien．Y．Huang and L．Chen．Predictive watershed：a fast watershed algorithm for video segmentation．IEEE Transactions on circuit and systems for video technology．2003，13(5)：453461．[21] Levin and A．Rav．Acha and D．Lischinski．Spectral matting．In Proceedings of the IEEE onfefence on Computer Vision and Pattem Recognition，2007．[22] Meyer and S．Beucher．Morphological segmentation．Joumal of Visual Communication and Image Representation．1990，l(1)：2l46．[23] EDISON圖像分割軟件．：//[24] M. Sonka, V. Hlavac, R. Boyle, Image Processing, Analysis and Computer Vision,Thomson, 2007.[25] Y. Li, J. Sun, C. Tang, H. Shum, Lazy snapping, SIGGRAPH 23 (2004) 303–308.[26] 朱付平，田捷，林瑤，葛行飛．基于Level Set方法的醫(yī)學(xué)圖像分割．軟件學(xué)報(bào)．2002，(9)：18661872．[27] Pen，J．Malik，Leaming a classification model for segmentation，ICCV03，v01．1，pp．10．17，Nice，2003．致 謝本論文是在我的導(dǎo)師鄭慶慶的悉心指導(dǎo)和大力支持下完成的。自撰寫(xiě)論文以來(lái)，鄭老師細(xì)致而具體指導(dǎo)我們每一個(gè)同學(xué)，并且指導(dǎo)性的提出許多寶貴的意見(jiàn)與建議。鄭慶慶導(dǎo)師是位學(xué)識(shí)淵博、親切和藹的一名教師，在她這里我們不僅掌握了此次論文的相關(guān)技能和知識(shí)，而且從她身上學(xué)到了很多做人的道理。同時(shí)，我還要感謝我的同學(xué)鄭