结合NSST显著性检测及图割的泡沫红外图像分割

作者：陈诗媛; 廖一鹏; 张进; 王卫星^*

来源：液晶与显示, 2021, 36(04): 584-595.

• 图像处理
• 泡沫红外图像分割
• 非下采样Shearlet变换
• 图割
• 显著性检测

为精确提取浮选泡沫表面的崩塌、新合成气泡,减少噪声和光照影响,提出一种结合非下采样Shearlet变换(NSST)域显著性检测及图割的泡沫红外图像分割方法。对泡沫红外图像进行NSST多尺度分解,采用GBVS算法对低频子带图像进行显著性检测,通过马尔科夫链特征差异计算显著性值,对各个高频方向子带进行噪声系数去除和边缘、弱边缘系数非线性增强。对处理后的多尺度高频子带、低频子带图像进行NSST重构,通过低频子带图像的显著性检测结果构建显著性约束项,采用高斯拟合函数构建气泡亮度约束项,然后构造图割能量函数,最后利用最大流/最小割算法对目标区域进行分割。实验结果表明:该方法受光照影响小,一定程度上解决了过分割和欠分割问题。正常浮选检测准确率为91.8%,欠浮选为87.1%,过浮选为88.9%,分割精度较现有方法有明显提高,能有效提取出崩塌或新合成的气泡,表现出良好的抗噪性,且在不同工况下均表现出良好的鲁棒性。