《2022年浅析图像分割的原理及方法.docx》由会员分享，可在线阅读，更多相关《2022年浅析图像分割的原理及方法.docx（11页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、精品学习资源浅析图像分割的原理及方法一 讨论背景及意义讨论背景：随着人工智能的进展，机器人技术不断地应用到各个领域；信息技术的加入 是智能机器人显现的必要前提；信息技术泛指包括通信技术、电子技术、信号处 理技术等相关信息化技术的一大类技术；它的应用使得人们今日的生活发生了巨 大变化；从手机到高清电视等家用电器设备显现使我们的生活越来越丰富多彩； 在一些军用及民用领域近几年显现了一些诸如: 图像制导、无人飞机、无人巡逻车、人脸识别、指纹识别、语音识别、车辆牌照识别、汉字识别、医学图像识别 等高新技术；实现它们的核心就是图像处理、机器视觉、模式识别、智能掌握、 及机器人学等相关学问；其中图像处理具
2、有重要位置；而图像分割技术是图像分 析环节的关键技术；讨论图像分割技术的意义：人类感知外部世界的两大途径是听觉和视觉，特别是视觉，人从视觉获得的信息大致占到人猎取信息总量的80%，由此可见图像信息是特别重要的一类信息；在一副图像中，人们往往只对其中的某些目标感爱好，这些目标通常在图像中占据肯定的区域，并且在某些特性 如灰度、轮廓、颜色、纹理等 上和四周的图像有差别；这些特性差别可能特别明显，也可能很微小，以致人眼觉察不出来；图像分割是图像识别和图像懂得的基本前提步骤，图像分割质量的好坏直接影响后续图像处理的成效，甚至打算其成败，因此，分割的方法和精确程度是至关重要的；由此可见，图像分割在图像工
3、程中占据特别重要的位置；二 图像分割常用技术1. 图像分割基本概念欢迎下载精品学习资源图像分割定义 ： 图像分割是依据肯定的规章把图像划分成如干个互不相交、具有肯定性质的区域，把人们关注的部分从图像中提取出来，进一步加以讨论分析和处理；图像分割的结果是图像特点提取和识别等图像懂得的基础，对图像分割的讨论始终是数字图像处理技术讨论中的热点和焦点；图像分割使得其后的图像分析，识别等高级处理阶段所要处理的数据量大大削减，同时又保留有关图像结构特点的信息；图像分割在不同的领域也有其它名称，如目标轮廓技术、目标检测技术、阈值化技术、目标跟踪技术等，这些技术本身或其核心实际上也就是图像分割技术；图像分割目
4、的 ：把图像空间分成一些有意义的区域，与图像中各种物体目标相对应；通过对分割结果的描述，可以懂得图像中包含的信息；图像分割的分类依据 ：图像分割是将像素分类的过程，分类的依据可建立在：像素间的相像性、非连续性；2. 基于边缘的图像分割方法边缘总是以强度突变的形式显现，可以定义为图像局部特性的不连续性，如 灰度的突变、纹理结构的突变等；边缘经常意味着一个区域的终结和另一个区域 的开头；对于边缘的检测经常借助空间微分算子进行，通过将其模板与图像卷积 完成；两个具有不同灰度值的相邻区域之间总存在灰度边缘，而这正是灰度值不 连续的结果，这种不连续可以利用求一阶和二阶导数检测到；当今的边缘检测方 法中，
5、主要有一次微分、二次微分和模板操作等；这些边缘检测器对边缘灰度值 过渡比较尖锐且噪声较小等不太复杂的图像可以取得较好的成效；但对于边缘复 杂的图像成效不太抱负，如边缘模糊、边缘丢失、边缘不连续等；噪声的存在使 基于导数的边缘检测方法成效明显降低，在噪声较大的情形下所用的边缘检测算 子通常都是先对图像进行适当的平滑，抑制噪声，然后求导数，或者对图像进行 局部拟合，再用拟合光滑函数的导数来代替直接的数值导数，如Canny算子等；在将来的讨论中，用于提取初始边缘点的自适应阈值选取、用于图像层次分割的 更大区域的选取以及如何确认重要边缘以去除假边缘将变的特别重要；依据灰度变化的特点，常见的边缘可分为阶
6、跃型、房顶型和凸缘型边缘检测的方法很多，主要有以下几种 :欢迎下载精品学习资源1、空域微分算子，也就是传统的边缘检测方法；如Roberts 算子、 Prewitt算子和 Sobel 算子等；2、拟合曲面；该方法利用当前像素邻域中的一些像素值拟合一个曲面，然后求这个连续曲面在当前像素处的梯度；3、小波多尺度边缘检测；4、基于数学形状学的边缘检测；最终通过图像的轮廓 边界）跟踪来确定目标区域：图像的轮廓 ；重复步骤 2）到4），直到得到的 T 值之差小于一个事先定义的参数T；下图是迭代阈值挑选法图像分割的结果与Otsu即最大相关性原就挑选阈值的方法）阈值挑选法图像分割的结果比较两种方法成效相差不大
7、；4. 区域分割方法区域增长法和分裂合并法是基于区域信息的图像分割的主要方法；区域增长有两种方式，一种是先将图像分割成很多的一样性较强的小区域，再按肯定的规章将小区域融合成大区域，达到分割图像的目的；另一种实现是给定图像中要分割目标的一个种子区域，再在种子区域基础上将四周的像素点以肯定的规章加入其中，最终达到目标与背景分别的目的；分裂合并法对图像的分割是按区域生长法沿相反方向进行的，无需设置种子点；其基本思想是给定相像测度和同质测 度；从整幅图像开头，假如区域不满意同质测度，就分裂成任意大小的不重叠子欢迎下载精品学习资源区域，假如两个邻域的子区域满意相像测度就合并；区域生长是区域分割最基本的方
8、法；所谓区域生长就是一种依据事先定义的准就将像素或者子区域聚合成更大区域的过程；基本思想：以一组生长点 、质心型 像素与区域 和混合型 区域与区域 三种；单一型区域生长法原理：以图像的某个像素为生长点，将特点相像的相邻像素合并为同一区域；然后以合并的像素为生长点，重复以上的操作，最终形成具有相像特点的像素的最大连通集合；下面给出以像素灰度为特点进行简洁区域生长的步骤；1 对图像进行光栅扫描，找出尚没有归属的像素；当查找不到这样的像素时终止操作；2 把这个像素灰度同其四周4- 邻域或 8- 邻域不属于任何一个区域的像素进行比较，如灰度差值小于某一阈值，就将它们合并为同一个区域，并对合并的 像素给
9、予标记；欢迎下载精品学习资源3 从新合并的像素开头，反复进行 2 的操作，直到区域不能再合并为止；4 返回1 操作，查找能作为新区域动身点的像素；优缺点：这种方法简洁，但假如区域之间的边缘灰度变化很平缓或边缘交于一点时， 两个区域会合并起来；解决方法：为排除这一点，在步骤 2 中不是比较相邻像素灰度，而是比较已存在区域的像素灰度平均值与该区域邻接的像素灰度值；下图是挑选三个生长点的区域生长法图像分割的结果与挑选另外三个不同生长点的区域生长法图像分割的结果比较第一副图的生长点为横坐标 30, 40, 82纵坐标56, 30, 35；其次副图的生长点为横坐标 63, 10, 85纵坐标30, 56
10、, 60；生长点在第一幅图像中用绿色方块表示从对比可以看出，区域生长法的缺点就是分割结果打算于生长点的挑选；欢迎下载精品学习资源三图像分割方法讨论的趋势虽然近年来图像分割的讨论成果越来越多，但由于图像分割本身所具有的难度，使讨论仍旧存在一些问题，现有的很多种算法都是针对不同的图像，并没有一种普遍适用的分割算法；迄今为止，没有一个好的通用的分割评判标准，如何对分割结果作出量化的评判是一个值得讨论的问题，该量化测度应有助于视觉系统中的自动决策及评判算法的优劣，该测度应考虑到均质性、对比度、紧致性、连续性、心理一视觉感知等因素，相伴着数字图像处理的应用领域不断扩大，实时处理技术已成讨论的热点，在实时
11、图像处理系统中，算法的运行时间也成为今后讨论的方向和目标；虽然图像分割目前尚无通用的理论，但是近年来大量学者致力于将新概念、新方法应用于图像分割，结合特定理论的图像分割方法在图像分割方面取得了较好的应用成效；如小波分析和小波变换、神经网络、遗传算法等数学工具的利 用，有效地改善了分割成效用；1. 基于遗传算法的图像分割遗传算法是模拟自然界生物进化过程与机制求解问题的一类自组织与自适应的人工智能技术；对此，科学家们进行了大量的讨论工作，并胜利地运用于各种类型的优化问题，在分割复杂的图像时，人们往往采纳多参量进行信息融合，在欢迎下载精品学习资源多参量参加的最优值求取过程中，优化运算是最重要的，把自
12、然进化的特点应用到运算机算法中，将能解决很多问题；遗传算法的显现为解决这类问题供应了新而有效的方法，不仅可以得到全局最优解，而且大量缩短了运算时间；王月兰等人提出的基于信息融合技术的彩色图像分割方法，该方法应用剥壳技术将问题的复杂度降低，然后将信息融合技术应用到彩色图像分割中，为彩色分割在不同领域中的应用供应了一种新的思路与解决方法；2. 基于人工神经网络技术的图像分割基于神经网络的分割方法的基本思想是先通过训练多层感知器来得到线性决 策函数，然后用决策函数对像素进行分类来达到分割的目的；近年来，随着神经 学的讨论和进展，第三代脉冲耦合神经网络PCNN作为一种新型人工神经网络模型，其特殊处理方
13、式为图像分割供应了新的思路；脉冲耦合神经网络具有捕捉特 性，会产生点火脉冲传播，对输入图像具有时空整合作用，相邻的具有相像输入 的神经元倾向于同时点火；因此对于灰度图像，PCNN具有自然的分割才能，与输入图像中不同目标区域对应的神经元在不同的时刻点火，从而将不同区域分割开 来；假如目标区域灰度分布有重叠，由于PCNN的时空整合作用，假如灰度分布符合某种规律， PCNN也能克服灰度分布重叠所带来的不利影响，从而实现较完善的 分割；这是其一个突出的优点，而这恰恰是其他的分割方法所欠缺的，其在将来 的图像分割中将起主导作用；3. 基于小波分析和变换的图像分割近年来，小波理论得到了快速的进展，而且由于其具有良好的时频局部化特性和多辨论率分析才能，在图像处理等领域得到了广泛的应用；小波变换是一种多尺度多通道分析工具，比较适合对图像进行多尺度的边缘检测；从图像处理角度看，小波变换具有“变焦”特性，在低频段可用高频率辨论率和低时间辨论率，在高频段可用低频率辨论率和高时间辨论率，小波交换在实现上有快速算法具有多辨论率，也叫多尺度的特点，可以由粗及精地逐步观看信号等优点；近年来多进制小波也开头用于边缘检测；另外，把小波变换和其它方法结合起来的图像分割技术也是现在讨论的热点；欢迎下载精品学习资源运算机图像处理结课作业姓名：张亚 运学号： 09301116学院：土 木 工 程欢迎下载