- 相關(guān)推薦
計算機圖像分割技術(shù)研究現狀概述論文
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(méi)有一種通用的方法。本文從傳統和新型角度出發(fā)，整理和分析了大量的研究文獻，具體介紹基于區域、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(guò)一定的方法分割成不同的區域，同一區域表現出相同或相似的特征，如灰度、顏色、紋理等，而不同的區域之間有明顯的差異。簡(jiǎn)單地說(shuō)，就是從一副圖像的背景中分離出目標[1]。圖像分割在很多領(lǐng)域都有著(zhù)非常廣泛的應用，并涉及不同類(lèi)型的圖像。
2 圖像分割的基本表達
設集合 表示一副圖像占據的整個(gè)空間區域， 是定義在集合 的點(diǎn)上的一個(gè)邏輯屬性，對 分成滿(mǎn)足下列條件的非空子集區域 ：
由以上基礎知識，我們可以把圖像分割的方法分為基于區域、邊界、特定理論的方法。在生活應用中，圖像分割根據以上五個(gè)準則，把感興趣的目標區域提取出來(lái)。
3 基于區域的分割方法
這種方法就是將一副圖像分割成多個(gè)區域，將區域內特征相似的歸為一類(lèi)，使區域內像素都滿(mǎn)足于灰度、形狀等特征的一種相似性準則。
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的區域組合，再選取一個(gè)適合的閾值，就能判斷像素點(diǎn)是屬于目標還是背景區域，從而生成對應的二值圖像。由此可見(jiàn)，閾值法不僅處理直觀(guān)，實(shí)現簡(jiǎn)單，而且計算速度快。
3.1.1 直方圖閾值分割
一副圖的灰度級取值范圍為 ，設灰度級 的像素數為 ，則一副圖像的總像素 為： ，灰度級 出現的概率定義為: 。
灰度直方圖是一種二維關(guān)系，即像素數 與灰度 ，它表示的是一種統計特性，這種方法是將像素灰度作為屬性的基礎。
Prewitt在20世紀60年代中期，提出了直方圖雙峰法，即當直方圖出現雙峰狀時(shí)，選取兩峰的谷底所對應的值當作閾值。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，該方法計算簡(jiǎn)單，抗噪聲性能較好。
3.1.2 類(lèi)間方差閾值分割
最大類(lèi)間方差法是由Ostu提出的，它的推導是在判斷分析最小二乘法原理的基礎上得出的，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(guān)參與，對于最佳閾值的選取不依賴(lài)于人的主觀(guān)判斷，而是利用計算機的自動(dòng)選取。P·Sahoo[2]等人提出了用Renyi熵代替常規熵的最大熵原則，該方法提高了計算機閾值選取的速度。
3.1.4 模糊閾值分割
1983年P(guān)al等人提出模糊閾值分割，它是以模糊數學(xué)為理論依據，將圖像看成一個(gè)模糊陣列，在選取閾值的時(shí)候，要計算圖像的模糊率或模糊熵。
3.2 區域增長(cháng)法和分裂合并區域方法
3.2.1 區域增長(cháng)法
作為區域分割的方法，最基本的是區域增長(cháng)法。這種方法是預先定義我們需要的性質(zhì)，從一組“種子”點(diǎn)開(kāi)始，將與定義的性質(zhì)相似的像素添加到種子上，形成生長(cháng)區域(如特定范圍的灰度或顏色)。這種方法的特點(diǎn)為將處理過(guò)程分解為多個(gè)順序步驟，前面步驟的處理結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(guò)分裂的條件把一副圖像分割成不同的區域，再定義合并的規則使區域完成合并，從而實(shí)現對區域分割的目的。
Horowtiz和Pavlids[4]最早用這種方法分割圖像，開(kāi)始使用的均勻性測試準則是每塊圖像區域中極大與極小值之差是否在允許的偏差范圍，后來(lái)又發(fā)展到用統計檢驗和模型擬合等。該方法對復雜圖像能產(chǎn)生較好的分割結果，但算法較復雜，計算量較大。
4 基于邊界的分割方法
由于不同的區域像素灰度會(huì )呈現出不連續，該方法就是利用這種特點(diǎn)，檢測出這些區域的邊緣，再通過(guò)一定的準則將它們連成邊界，把圖像分成不同的區域，這樣就實(shí)現了圖像分割。
4.1 微分算子法
圖像內不同區域之間總有邊緣，邊緣處像素灰度值具有不連續性，正因為這種不連續性，我們能通過(guò)求導數來(lái)檢測到。我們在實(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、計算簡(jiǎn)單，不過(guò)也有一定的缺點(diǎn)那就是對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)，其目標和背景點(diǎn)分別標為1和0，一次搜索并鏈接相鄰邊緣點(diǎn)，從而實(shí)現對圖像邊界的檢測。按順時(shí)針?lè )较蜻M(jìn)行，采用合理的搜索機理，按照搜索的完結條件完成邊界的追蹤，最終實(shí)現邊緣的提取。
【計算機圖像分割技術(shù)研究現狀概述論文】相關(guān)文章：
計算機技術(shù)研究論文提綱范文11-21
基于內容的模糊圖像檢索技術(shù)研究03-18
關(guān)于基于相對色彩因子的樹(shù)木圖像分割算法03-17
二十世紀“興”的研究現狀概述03-24
計算機網(wǎng)絡(luò )畢業(yè)論文-綜合布線(xiàn)系統概述03-03
圖像時(shí)代傳統文學(xué)的發(fā)展論文06-14