结合非下采样Contourlet变换的改进图论MST图像分割

为提高图论最小生成树的分割精度,保留更多边缘细节,提出了一种结合非下采样Contourlet变换(NSCT)及改进图论最小生成树(MST)的图像分割方法.首先,将图像进行NSCT分解,得到一个低频子带和多个高频方向子带,对各高频方向子带采用改进的贝叶斯萎缩阈值抑制噪声,通过模极大值检测关联边缘的像素点,结合低频子带灰度值和高频子带系数构造多尺度多方向的MST边权,并加重关联边缘的边权重;然后,从区域内部和区域间差异函数以及合并机制方面对MST分割算法进行改进,降低噪声或孤立点的影响;最后,改进和声搜索算法的"调音"策略,自适应获取MST分割算法的最优参数,得到全局最优分割.实验结果表明:与其他改进图论MST分割方法相比,文中方法的抗噪声性能好,提高了分割精度,且错分率低,所得图像边缘细节明显,分割效果较好.