彩色圖像分割技術(shù)研究

《彩色圖像分割技術(shù)研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫(kù)。

1、ＸＸ大學(xué)200Ｘ屆畢業(yè)論文1　緒論1.1　引言近些年來(lái)，隨著工農(nóng)業(yè)、醫(yī)學(xué)、軍事等領(lǐng)域自動(dòng)化和智能化需求的迅猛發(fā)展，對(duì)圖像處理技術(shù)的要求也越來(lái)越高。其中，對(duì)圖像的自動(dòng)識(shí)別與理解就是一項(xiàng)重要任務(wù)，而對(duì)圖像進(jìn)行分割來(lái)提取目標(biāo)是其關(guān)鍵步驟之一，如果得不到合理的圖像分割圖，也就無(wú)法對(duì)圖像進(jìn)行正確的識(shí)別與理解。圖像分割就是按照一定的規(guī)則將一幅圖像分成若干部分或子集的過(guò)程。簡(jiǎn)單的說(shuō)，就是把圖像中的物體與背景或物體與物體分割開(kāi)。在有關(guān)圖像分割技術(shù)的文獻(xiàn)中，由于不同領(lǐng)域的側(cè)重點(diǎn)不同，有時(shí)也以諸如邊緣檢測(cè)技術(shù)、閾值化技術(shù)、目標(biāo)檢測(cè)技術(shù)、目標(biāo)輪廓技術(shù)等提法

2、出現(xiàn)。圖像分割技術(shù)在醫(yī)學(xué)領(lǐng)域中具有廣泛的應(yīng)用。如今醫(yī)學(xué)臨床和手術(shù)環(huán)境中的許多應(yīng)用均需要從三維醫(yī)學(xué)圖像得到解剖結(jié)構(gòu)或病理組織的精確三維模型。如進(jìn)行病理或正常組織的量化研究，術(shù)前和術(shù)中交互的手術(shù)計(jì)劃等，均要求能夠從CT、MRT或超聲等腰三角形各種圖像模態(tài)中分離出解剖結(jié)構(gòu)或把受損組織的位置和形狀分割標(biāo)識(shí)出來(lái)。由于手工分割對(duì)操作者的依賴性強(qiáng)，既耗時(shí)費(fèi)力又可能丟失大量有用信息，因此，研究計(jì)算機(jī)自動(dòng)或半自動(dòng)的圖像分割方法是非常重要的。另一方面，圖像分割作為一種重要的圖像處理技術(shù)，得到人們廣泛的重視和研究，一直是圖像科學(xué)研究中的熱點(diǎn)和焦點(diǎn)之一。然而

3、，實(shí)踐證明對(duì)圖像進(jìn)行有效的分割，特別是在復(fù)雜自然背景下分割目標(biāo)，難度是很大的。對(duì)圖像分割理論與技術(shù)的進(jìn)一步研究具有非常重要的意義。圖像分割指的是把一幅圖像分割成不同的區(qū)域，這些區(qū)域在某些圖像特征如邊緣、紋理、顏色、亮度等是一致的或相似的，因此，圖像分割也是將圖像中的像素按照特征的不同而進(jìn)行分類的過(guò)程。圖像分割是數(shù)字圖像處理中的重要前期過(guò)程，是圖像處理中最基本的技術(shù)之一。特征提取、目標(biāo)識(shí)別都依賴于圖像分割的質(zhì)量好壞，所以圖像分割決定了圖像分析的最終成敗。有效合理的圖像分割能夠?yàn)榛趦?nèi)容的圖像檢索、對(duì)象分析等抽象出十分有用的信息，從而使得

4、更高層的圖像理解成為可能[1]。目前圖像分割仍然是一個(gè)沒(méi)有得到很好解決的問(wèn)題，如何提高圖像分割的質(zhì)量得到國(guó)內(nèi)外學(xué)者的廣泛關(guān)注，是一個(gè)研究熱點(diǎn)。1.2　圖像分割方法的研究現(xiàn)狀第35頁(yè)共35頁(yè)ＸＸ大學(xué)200Ｘ屆畢業(yè)論文圖像分割是圖像處理中的一項(xiàng)關(guān)鍵技術(shù)，自20世紀(jì)70年代起一直受到人們的高度重視，至今已提出上千種分割算法。但因尚無(wú)通用的分割理論，現(xiàn)提出的分割算法大都是針對(duì)具體問(wèn)題的，并沒(méi)有一種適合所有圖像的通用分割算法。另外，還沒(méi)有制定出選擇適用分割算法的標(biāo)準(zhǔn)，這給圖像分割技術(shù)的應(yīng)用帶來(lái)許多實(shí)際問(wèn)題[2]。最近幾年又出現(xiàn)了許多新思路、新方

5、法或改進(jìn)算法。對(duì)一些經(jīng)典方法和新出現(xiàn)的方法作了概述并將圖像分割方法分為閾值分割方法、邊緣檢測(cè)方法、區(qū)域提取方法和結(jié)合特定理論工具的分割方法4類。1.2.1　基于閾值的分割方法閾值分割算法相對(duì)簡(jiǎn)單，計(jì)算量小，穩(wěn)定性較好，它是最基本、最簡(jiǎn)單和應(yīng)用最廣泛的方法。閾值分割方法的歷史可追溯到近40年前。目前提出了許多新方法，如嚴(yán)學(xué)強(qiáng)等人提出了基于量化直方圖的最大熵閾值處理算法[3]，將直方圖量化后采用最大熵閾值處理算法，使計(jì)算量大大減小。薛景浩、章毓晉[4]等人提出基于最大類間后驗(yàn)交叉熵的閾值化分割算法，從目標(biāo)和背景的類間差異性出發(fā)，利用貝葉斯

6、公式估計(jì)象素屬于目標(biāo)和背景兩類區(qū)域的后驗(yàn)概率，再搜索這兩類區(qū)域后驗(yàn)概率之間的最大交叉熵。俞勇等人提出的基于最小能量的圖像分割方法[5]，運(yùn)用了能量直方圖來(lái)選取分割閾值。任明武等人提出的一種基于邊緣模式的直方圖構(gòu)造新方法[6]，使分割閾值受噪聲和邊緣的影響減少到最小。程杰提出的一種基于直方圖的分割方法[7]，該方法對(duì)Ostu準(zhǔn)則的內(nèi)在缺陷進(jìn)行了改進(jìn)，并運(yùn)用對(duì)直方圖的預(yù)處理及輪廓追蹤，找出了最佳分割閾值。1.2.2　基于邊緣的分割方法圖像最基本的特征是邊緣，它是圖像局部特性不連續(xù)(或突變)的結(jié)果?；谶吘壍姆指罘椒ㄊ菍D像中所要求分割的目

7、標(biāo)邊緣提取出來(lái)，從而將目標(biāo)分割出來(lái)。它大致分為以下四類：(1)基于局部模板的邊緣檢測(cè)方法；(2)基于數(shù)學(xué)形態(tài)學(xué)的邊緣檢測(cè)方法；(3)基于代價(jià)函數(shù)的邊緣檢測(cè)方法；(4)基于變形模板的邊緣檢測(cè)方法?；诰植繄D像函數(shù)的方法、多尺度方法、圖像濾波法、基于反應(yīng)—擴(kuò)散方程的方法、多分辨分法、基于邊界曲線擬合方法、狀態(tài)空間搜索法、動(dòng)態(tài)規(guī)劃法、邊界跟蹤法、哈夫變換法等。如宋煥生等人[8]提出了多尺度脊邊緣方法，該方法利用Mallat算法，對(duì)圖像進(jìn)行二進(jìn)度小波分解，然后計(jì)算出在二進(jìn)尺度空間的多尺度脊邊緣及強(qiáng)度，最后通過(guò)脊邊緣跟蹤、濾波和小波反變換，得到

8、分割結(jié)果。張靜[9]第35頁(yè)共35頁(yè)ＸＸ大學(xué)200Ｘ屆畢業(yè)論文等人提出了行掃描空間帶通濾波法，是在總結(jié)前人理論和實(shí)驗(yàn)結(jié)果的基礎(chǔ)上提出的一種邊緣提取新方法，對(duì)電視圖像的自動(dòng)跟蹤識(shí)別有很好的效果。林峰[10]提出了基于人眼邊