改进GBIS图像分割方法：结合纹理特征提升分割效果

"论文研究-结合纹理特征改进的GBIS图像分割方法.pdf" 本文主要探讨了在图像分割领域中，针对GBIS(efficient graph-based image segmentation)方法在处理富含纹理信息的图像时存在的分割效果不佳的问题。作者提出了一种改进的GBIS图像分割方法，名为IGBIS(improved efficient graph-based image segmentation)。这种方法特别关注了L*a*b*彩色空间的应用，以增强对纹理信息的捕捉和利用。 首先，IGBIS方法将原始的RGB图像转换到L*a*b*色彩空间。L*a*b*空间是一种更适合人类视觉感知的颜色模型，它能更好地反映颜色的差异，尤其对于颜色和纹理的分析更为有效。在转换后，算法对GBIS中的权值函数进行了优化，引入了一个常数s，这个常数用于调整相邻像素之间颜色差异的敏感度。通过这种方式，可以更精确地控制图像分割的边界，避免因颜色差异微小而引起的误分割。 其次，IGBIS方法利用熵的概念来提取L*a*b*彩色图像的纹理特征。熵在信息论中表示信息的不确定性或混乱程度，用于纹理分析可以量化图像区域的复杂性和变化性。这一步骤有助于识别和区分具有不同纹理模式的区域。 最后，结合提取的纹理信息，IGBIS修改了GBIS中的区域合并条件。在GBIS中，相邻区域通常基于一定的相似性标准进行合并，而在IGBIS中，这些标准被进一步细化，考虑了纹理特征的差异，使得合并过程更加合理，能够更准确地保持纹理区域的完整性。 实验结果表明，与原始的GBIS方法相比，IGBIS方法显著提高了分割精度和分割质量。尤其是在处理含有丰富纹理的彩色图像时，IGBIS能有效地抑制过分割现象，即过度地将一个物体分割成多个部分，从而提供更清晰、更连贯的分割结果。 这项工作得到了广西自然科学基金等多个项目的资助，研究团队由首照宇、王朝选、莫建文、张彤和袁华等学者组成，他们分别在图像处理和信号处理领域有深入的研究背景。论文中提到的改进方法不仅提升了分割效果，也为后续的图像分析和理解提供了更可靠的图像分割基础。关键词包括：图像分割、熵、纹理特征、图论法和L*a*b*彩色空间。