- 相關(guān)推薦
計(jì)算機(jī)圖像分割技術(shù)研究現(xiàn)狀概述論文
摘 要：圖像分割是圖像處理到圖像分析重要的步驟，同時(shí)也是一個(gè)經(jīng)典難題。自20世紀(jì)70年代起，研究者們就一直高度重視圖像分割，并已經(jīng)提出上百種分割方法，但至今沒有一種通用的方法。本文從傳統(tǒng)和新型角度出發(fā)，整理和分析了大量的研究文獻(xiàn)，具體介紹基于區(qū)域、邊界、特定理論的分割方法。
1 圖像分割概念
圖像分割，就是將一副圖像通過一定的方法分割成不同的區(qū)域，同一區(qū)域表現(xiàn)出相同或相似的特征，如灰度、顏色、紋理等，而不同的區(qū)域之間有明顯的差異。簡(jiǎn)單地說，就是從一副圖像的背景中分離出目標(biāo)[1]。圖像分割在很多領(lǐng)域都有著非常廣泛的應(yīng)用，并涉及不同類型的圖像。
2 圖像分割的基本表達(dá)
設(shè)集合 表示一副圖像占據(jù)的整個(gè)空間區(qū)域， 是定義在集合 的點(diǎn)上的一個(gè)邏輯屬性，對(duì) 分成滿足下列條件的非空子集區(qū)域 ：
由以上基礎(chǔ)知識(shí)，我們可以把圖像分割的方法分為基于區(qū)域、邊界、特定理論的方法。在生活應(yīng)用中，圖像分割根據(jù)以上五個(gè)準(zhǔn)則，把感興趣的目標(biāo)區(qū)域提取出來。
3 基于區(qū)域的分割方法
這種方法就是將一副圖像分割成多個(gè)區(qū)域，將區(qū)域內(nèi)特征相似的歸為一類，使區(qū)域內(nèi)像素都滿足于灰度、形狀等特征的一種相似性準(zhǔn)則。
3.1 閾值法
閾值法已是研究者們極為常用的分割方法，由于圖像在灰度特性上目標(biāo)和背景總有差別，通常我們把一幅圖像看作具有不同灰度級(jí)的區(qū)域組合，再選取一個(gè)適合的閾值，就能判斷像素點(diǎn)是屬于目標(biāo)還是背景區(qū)域，從而生成對(duì)應(yīng)的二值圖像。由此可見，閾值法不僅處理直觀，實(shí)現(xiàn)簡(jiǎn)單，而且計(jì)算速度快。
3.1.1 直方圖閾值分割
一副圖的灰度級(jí)取值范圍為 ，設(shè)灰度級(jí) 的像素?cái)?shù)為 ，則一副圖像的總像素 為： ，灰度級(jí) 出現(xiàn)的概率定義為: 。
灰度直方圖是一種二維關(guān)系，即像素?cái)?shù) 與灰度 ，它表示的是一種統(tǒng)計(jì)特性，這種方法是將像素灰度作為屬性的基礎(chǔ)。
Prewitt在20世紀(jì)60年代中期，提出了直方圖雙峰法，即當(dāng)直方圖出現(xiàn)雙峰狀時(shí)，選取兩峰的谷底所對(duì)應(yīng)的值當(dāng)作閾值。Doyle提出的Ptile法是早期的基于灰度直方圖的自動(dòng)閾值選擇方法，該方法計(jì)算簡(jiǎn)單，抗噪聲性能較好。
3.1.2 類間方差閾值分割
最大類間方差法是由Ostu提出的，它的推導(dǎo)是在判斷分析最小二乘法原理的基礎(chǔ)上得出的，該算法較為簡(jiǎn)單，是一種被廣為關(guān)注的閾值選取方法，這種方法被認(rèn)為是閾值分割中的經(jīng)典算法。
3.1.3 最大熵閾值分割
最大熵閾值分割，是最重要的閾值法之一，該方法減少了人的主觀參與，對(duì)于最佳閾值的選取不依賴于人的主觀判斷，而是利用計(jì)算機(jī)的自動(dòng)選取。P·Sahoo[2]等人提出了用Renyi熵代替常規(guī)熵的最大熵原則，該方法提高了計(jì)算機(jī)閾值選取的速度。
3.1.4 模糊閾值分割
1983年P(guān)al等人提出模糊閾值分割，它是以模糊數(shù)學(xué)為理論依據(jù)，將圖像看成一個(gè)模糊陣列，在選取閾值的時(shí)候，要計(jì)算圖像的模糊率或模糊熵。
3.2 區(qū)域增長(zhǎng)法和分裂合并區(qū)域方法
3.2.1 區(qū)域增長(zhǎng)法
作為區(qū)域分割的方法，最基本的是區(qū)域增長(zhǎng)法。這種方法是預(yù)先定義我們需要的性質(zhì)，從一組“種子”點(diǎn)開始，將與定義的性質(zhì)相似的像素添加到種子上，形成生長(zhǎng)區(qū)域(如特定范圍的灰度或顏色)。這種方法的特點(diǎn)為將處理過程分解為多個(gè)順序步驟，前面步驟的處理結(jié)果得到判斷后才能進(jìn)行后面步驟的處理。
3.2.2 分裂合并法
該方法的思想是通過分裂的條件把一副圖像分割成不同的區(qū)域，再定義合并的規(guī)則使區(qū)域完成合并，從而實(shí)現(xiàn)對(duì)區(qū)域分割的目的。
Horowtiz和Pavlids[4]最早用這種方法分割圖像，開始使用的均勻性測(cè)試準(zhǔn)則是每塊圖像區(qū)域中極大與極小值之差是否在允許的偏差范圍，后來又發(fā)展到用統(tǒng)計(jì)檢驗(yàn)和模型擬合等。該方法對(duì)復(fù)雜圖像能產(chǎn)生較好的分割結(jié)果，但算法較復(fù)雜，計(jì)算量較大。
4 基于邊界的分割方法
由于不同的區(qū)域像素灰度會(huì)呈現(xiàn)出不連續(xù)，該方法就是利用這種特點(diǎn)，檢測(cè)出這些區(qū)域的邊緣，再通過一定的準(zhǔn)則將它們連成邊界，把圖像分成不同的區(qū)域，這樣就實(shí)現(xiàn)了圖像分割。
4.1 微分算子法
圖像內(nèi)不同區(qū)域之間總有邊緣，邊緣處像素灰度值具有不連續(xù)性，正因?yàn)檫@種不連續(xù)性，我們能通過求導(dǎo)數(shù)來檢測(cè)到。我們?cè)趯?shí)際工作中，常用的一階微分算子有Roberts、Sobel、Prewitt邊緣算子，二階微分算子有Laplacian和Kirsh算子等。微分算子法的優(yōu)點(diǎn)是速度較快、計(jì)算簡(jiǎn)單，不過也有一定的缺點(diǎn)那就是對(duì)噪聲的干擾比較敏感。
4.2 邊界追蹤法
這種方法是從二值圖的一邊緣點(diǎn)出發(fā)，其目標(biāo)和背景點(diǎn)分別標(biāo)為1和0，一次搜索并鏈接相鄰邊緣點(diǎn)，從而實(shí)現(xiàn)對(duì)圖像邊界的檢測(cè)。按順時(shí)針方向進(jìn)行，采用合理的搜索機(jī)理，按照搜索的完結(jié)條件完成邊界的追蹤，最終實(shí)現(xiàn)邊緣的提取。
【計(jì)算機(jī)圖像分割技術(shù)研究現(xiàn)狀概述論文】相關(guān)文章：
計(jì)算機(jī)技術(shù)研究論文提綱范文11-21
基于內(nèi)容的模糊圖像檢索技術(shù)研究03-18
關(guān)于基于相對(duì)色彩因子的樹木圖像分割算法03-17
計(jì)算機(jī)網(wǎng)絡(luò)畢業(yè)論文-綜合布線系統(tǒng)概述03-03
圖像時(shí)代傳統(tǒng)文學(xué)的發(fā)展論文06-14
粗糙集神經(jīng)網(wǎng)絡(luò)在圖像分割中的應(yīng)用03-07
工程管理與計(jì)算機(jī)電子信息技術(shù)研究論文12-02