圖像分割方法綜述.docx

《圖像分割方法綜述.docx》由會員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在教育資源-天天文庫。

1、圖像分割方法綜述摘要：圖像分割是計(jì)算計(jì)視覺研究中的經(jīng)典難題，已成為圖像理解領(lǐng)域關(guān)注的一個(gè)熱點(diǎn)，本文對近年來圖像分割方法的研究現(xiàn)狀與新進(jìn)展進(jìn)行了系統(tǒng)的闡述。同時(shí)也對圖像分割未來的發(fā)展趨勢進(jìn)行了展望。關(guān)鍵詞：圖像分割；區(qū)域生長；活動(dòng)邊緣；聚類分析；遺傳算法Abstract:Imagesegmentationisaclassicproblemincomputervision,andbecomeahottopicinthefieldofimageunderstanding.theresearchactualityandnewprogressaboutimagese

2、gmentationinrecentyearsarestatedinthispaper.Anddiscussedthedevelopmenttrendabouttheimagesegmentation.Keywords:imagesegmentation;regionalgrowing;activecontour;clusteringanalysisgeneticalgorithm1引言圖像分割是圖像分析的第一步，是計(jì)算機(jī)視覺的基礎(chǔ)，是圖像理解的重要組成部分，同時(shí)也是圖像處理中最困難的問題之一。所謂圖像分割是指根據(jù)灰度、彩色、空間紋理、幾何形狀等特征把圖像

3、劃分成若干個(gè)互不相交的區(qū)域，使得這些特征在同一區(qū)域內(nèi)表現(xiàn)出一致性或相似性，而在不同區(qū)域間表現(xiàn)出明顯的不同。簡單的說就是在一副圖像中，把目標(biāo)從背景中分離出來。對于灰度圖像來說，區(qū)域內(nèi)部的像素一般具有灰度相似性，而在區(qū)域的邊界上一般具有灰度不連續(xù)性。關(guān)于圖像分割技術(shù)，由于問題本身的重要性和困難性，從20世紀(jì)70年代起圖像分割問題就吸引了很多研究人員為之付出了巨大的努力。雖然到目前為止，還不存在一個(gè)通用的完美的圖像分割的方法，但是對于圖像分割的一般性規(guī)律則基本上已經(jīng)達(dá)成的共識，已經(jīng)產(chǎn)生了相當(dāng)多的研究成果和方法。本文根據(jù)圖像發(fā)展的歷程，從傳統(tǒng)的圖像分割方法、結(jié)合特

4、定工具的圖像分割方法、基于人工智能的圖像分割方法三個(gè)由低到高的階段對圖像分割進(jìn)行全面的論述。2傳統(tǒng)的圖像分割方法2.1基于閥值的圖像分割方法閥值分割法是一種傳統(tǒng)的圖像分割方法，因其實(shí)現(xiàn)簡單、計(jì)算量小、性能較穩(wěn)定而成為圖像分割中最基本和應(yīng)用最廣泛的分割技術(shù)。閥值分割法的基本原理是通過設(shè)定不同的特征閥值，把圖像像素點(diǎn)分為具有不同灰度級的目標(biāo)區(qū)域和背景區(qū)域的若干類。它特別適用于目標(biāo)和背景占據(jù)不同灰度級范圍的圖，目前在圖像處理領(lǐng)域被廣泛應(yīng)用，其中閥值的選取是圖像閥值分割中的關(guān)鍵技術(shù)?；叶乳y值分割方法是一種最常用的并行區(qū)域技術(shù)，是圖像分割中應(yīng)用數(shù)量最多的一類。圖像若

5、只用目標(biāo)和背景兩大類，那么只需要選取一個(gè)閥值，此分割方法稱為單閥值分割。單閥值分割實(shí)際上是輸入圖像f到輸出圖像g的如下變換：在上述表達(dá)式中，T為閥值，對于目標(biāo)物體的圖像元素g(i,j)=1,對于背景的圖像元素g(i,j)=0。但是如果圖像中有多個(gè)目標(biāo)需要提取，單一的閥值分割就會出錯(cuò)。就需要選取多個(gè)閥值將每個(gè)目標(biāo)分割開，這種分割方法稱為多閥值分割。閥值分割的結(jié)果取決于閥值的選擇。由此可見，閥值分割算法的關(guān)鍵是確定閥值。閥值確定后，將閥值與像素點(diǎn)的灰度值比較以及對各像素的分割并行地進(jìn)行。常用的閥值選擇方法有利用圖像灰度直方圖的峰谷法、最小誤差法、基于過渡區(qū)法、

6、利用像素點(diǎn)空間位置信息的變化閥值法、結(jié)合連通信息的閥值方法、最大相關(guān)性原則選擇閥值和最大熵原則自動(dòng)閥值法。圖1是利用單閥值方法和局部閥值方法對細(xì)胞圖像分隔的結(jié)果，結(jié)果表明，在很多情況下，目標(biāo)物體和背景的對比度在圖像的不同位置并不是一樣的，這是如果用一個(gè)統(tǒng)一的單閥值將目標(biāo)與背景分開，效果是不理想的。如果根據(jù)圖像的局部特征分別用不同的閥值對圖像進(jìn)行分割，即局部閥值分割，則效果要比單閥值分割要好得多。閥值分割方法的優(yōu)點(diǎn)是圖像分割的速度快，計(jì)算簡單，效率較高。但是這種方法只考慮像素點(diǎn)灰度值本身的特征，一般不考慮空間特征，因此對噪聲比較敏感。雖然目前出現(xiàn)了各種基于閥

7、值分割的改進(jìn)算法，圖像分割的效果有所改進(jìn)，但在閥值的設(shè)置上還是沒有很好的解決方法，若將智能遺傳算法應(yīng)用在閥值篩選上，選取能最優(yōu)分割圖像的閥值，這可能是基于閥值分割的圖像分割法的發(fā)展趨勢。2.2基于區(qū)域的圖像分割方法基于區(qū)域的分割方法是以直接尋找區(qū)域?yàn)榛A(chǔ)的分割技術(shù)，具體算法有區(qū)域生長和區(qū)域分離與合并算法?；趨^(qū)域提取方法有兩種基本形式：一種是區(qū)域生長，從單個(gè)像素出發(fā)，逐步合并以形成所需要的分割區(qū)域；另一種是從全局出發(fā)，逐步切割至所需的分割區(qū)域。2.2.1區(qū)域生長區(qū)域生長是串行區(qū)域技術(shù)，其分割過程后續(xù)步驟的處理要根據(jù)前面步驟的結(jié)果進(jìn)行判斷而確定。常見的區(qū)域生

8、長算法包括：同倫的區(qū)域生長方式、對稱區(qū)域生長方式和模糊連接度方法與