全局显著结构主导下的知觉编组算法

提出一种建立在可靠的全局线索基础上的编组算法.编组线索为反映全局显著结构的拓扑特征闭合性和平行性以及局部规律邻接性和连续性.依据概率推理选择最显著的边缘作为种子,依据全局依赖性选择最有可能与种子属于同一编组的边缘.编组的形成中融入注意机制,一方面缩小寻优空间另一方面确定各编组被检测的顺序.在Berkley图像库上的实验表明,该算法至少具有与Ncut和mini-cut相当的准确率,特别对纹理少的图像能够有效地降低错编率与漏编率.同时由于对边缘进行编组降低了输人数据的维数,因此比Ncut和mini-cut更少地受到图像尺寸的限制.