一种改进的基于边缘检测的图像自适应分割算法

摘要

图像分割任务中，效率与准确性的平衡问题一直是一个挑战，特别是在多变背景条件下.传统的MageFreehome算法在处理这类问题时，往往难以同时满足高效与精确的需求.针对这一问题，该文提出一种基于边缘检测的图像自适应分割的改进方案.首先，运用OTSU算法寻找最优动态阈值的原理，使图像分割过程能自适应地调整阈值，以适应不同背景条件下的图像；其次，提出了新的图像中心点选取方法，解决了图像中心落在分割目标区域外的缺陷；再次，设计了基于连续性检测的分割区域起/终点确定方法，进一步提升了图像分割的精确度.图像使用效果验证表明，该文的3种策略均对图像分割准确性产生积极影响.在不同数量级的图片上与MagFreehome算法的对比实验结果显示，改进算法在保持高效的同时，精准率和召回率均有显著提升，而且处理速度几乎保持不变.消融实验进一步证实了不同策略组合使用的有效性，策略一和策略三在提升精准率和召回率方面表现尤为突出，分别带来了7.29%和5.71%的显著提升，当3种策略同时应用时，精准率和召回率分别增加了15.51%和16.72%.该文改进方案有效平衡了图像分割效率与准确性的难题，为需要快速而精准分割图像的应用场景，如多媒体教学、自动驾驶等领域提供了行之有效的解决方案.

关键词

动态阈值 / 阴影检测 / 中心点选取方法 / 连续性检测