基于近鄰傳播和區域融合的彩色圖像分割算法

王 磊

（商洛學院 現代教育技術中心，陜西商洛 726000）

2007年Frey&Dueck在Science提出了一種新的聚類算法：近鄰傳播聚類（Affinity Propagation，簡稱AP），其主要優勢體現在無須事先確定聚類數（與k-means不同），而是根據數據自身的特性自動聚類到合適的數目。AP算法已經被實驗證明效果要優于K均值算法[1]。例如，對數千個手寫的郵政編碼的圖片，AP算法只花很短的時間就可以聚類到少量代表各種筆跡類型的手寫圖片，而K-means算法要達到同樣精度要耗費500萬年[2]。該算法已在醫學圖像處理[3]、路線搜索和選址[4]、基因外顯子發現、圖像搜索[5]等方面得到了應用。但是傳統AP算法在實際應用中仍然存在一些問題，如：該算法的空間復雜度和時間復雜度嚴重受制于樣本個數，因此導致傳統AP算法無法處理大規模數據，特別是大規模圖像分割問題[6]。由此，本文提出了一種基于近鄰傳播聚類的彩色圖像分割算法。包括三部分：圖像預處理過程，將RGB顏色空間彩色圖像變換到CIE L*u*v*顏色空間彩色圖像，目的是采用更符合人類視覺感受顏色空間，并進一步解除R、G、B三分量的相關性；基于給定數目的近鄰傳播聚類（APGNC）的圖像分割，目的是獲得整幅圖像的分割結果；圖像后處理過程，利用區域合并方法修正圖像的分割結果，目的是保證最終分割目標的整體性，去除目標區域內的錯分或者誤分的部分。

1 彩色圖像預處理過程

目前表達彩色的顏色空間已經有很多種不同的形式（即：顏色空間）：RGB、HSL、HSV、CIE L*u*v*以及CIE L*a*b*。現在應用最為廣泛的顏色空間是RGB，這種顏色空間雖然簡單不需要轉換，但R、G、B三分量之間有很高的相關性，這對于圖像分割是不利的。……