科研之友
微信
新浪微博
Facebook
分享链接
摘要
随着低成本深度图像传感器的引入，在RGB-D图像中进行可靠的图像分割是计算机视觉的一个目标，而如何对杂乱的场景进行图像分割具有挑战性。基于随机亨利气体溶解度优化算法的模糊聚类（RHGSO-FC），提出一种新的RGB-D图像分割方法。首先对亨利气体溶解度优化算法（HGSO）进行改进，提出改进的亨利气体溶解度优化算法（LRHGSO），并利用基于改进亨利气体溶解度优化算法的核模糊聚类（LRHGSO-KFC）生成初始化标签。然后将初始化标签传入到高斯混合（GMM）聚类中，得到多个聚类结果。最后对这些聚类结果通过聚集超像素方法进行分割合并，得到最终分割结果。实验数据集采用NYUdepthV2室内图像，与现有的一些分割方法：阈值分割算法，硬C-均值，模糊C-均值，高斯混合聚类，核模糊聚类，模糊子空间聚类，混沌kbest引力搜索算法和随机亨利气体溶解度优化算法进行比较，结果表明提出的RGB-D分割算法优于比较的算法。
-
单位西安邮电大学; 通信与信息工程学院
