2022年浅析图像分割的原理及方法

《2022年浅析图像分割的原理及方法》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（11页珍藏版）》请在装配图网上搜索。

1、1/11 浅析图像分割的原理及方法一 研究背景及意义研究背景：随着人工智能的发展，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出现的必要前提。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天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出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出现了一些诸如: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、智能控制、及机器人学等相关知识。其中图像处理具有重要地位。而图

2、像分割技术是图像分析环节的关键技术。研究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，尤其是视觉，人从视觉获得的信息大概占到人获取信息总量的80%，由此可见图像信息是非常重要的一类信息。在一副图像中，人们往往只对其中的某些目标感兴趣，这些目标通常在图像中占据一定的区域，并且在某些特性(如灰度、轮廓、颜色、纹理等上和周围的图像有差别。这些特性差别可能非常明显，也可能很细微，以致人眼觉察不出来。图像分割是图像识别和图像理解的基本前提步骤，图像分割质量的好坏直接影响后续图像处理的效果，甚至决定其成败，因此，分割的方法和精确程度是至关重要的。由此可见，图像分割在图像工程中占据非常重要的位

3、置。二 图像分割常用技术1.图像分割基本概念精选学习资料 -名师归纳总结-第 1 页，共 11 页2/11 图像分割定义：图像分割是按照一定的规则把图像划分成若干个互不相交、具有一定性质的区域，把人们关注的部分从图像中提取出来，进一步加以研究分析和处理。图像分割的结果是图像特征提取和识别等图像理解的基础，对图像分割的研究一直是数字图像处理技术研究中的热点和焦点。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减少，同时又保留有关图像结构特征的信息。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

4、割技术。图像分割目的：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，可以理解图像中包含的信息。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：像素间的相似性、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出现，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。边缘常常意味着一个区域的终结和另一个区域的开始。对于边缘的检测常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效果。但对于边缘复杂的图像效果不太理想，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效果明显降低，在噪声较大的情况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。在未来的研究中，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非常重要。根据灰度变化的特点，常见的边缘可分为阶跃型、房顶

6、型和凸缘型边缘检测的方法很多，主要有以下几种:精选学习资料 -名师归纳总结-第 2 页，共 11 页3/11 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、基于数学形态学的边缘检测。最后通过图像的轮廓 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。下图是迭代阈值选择法图像分割的结果与Otsu即最大相关性原则选择阈值的方法）阈值选择法图像分割的

7、结果比较两种方法效果相差不大。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致性较强的小区域，再按一定的规则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周围的像素点以一定的规则加入其中，最终达到目标与背景分离的目的；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似测度和同质测度。从整幅图像开始，如果区域不满足同质测度，则分裂成任意大小的不重叠子精选学习资料 -名师归纳总结-第 6 页，共 11 页7/11 区域，

8、如果两个邻域的子区域满足相似测度则合并。区域生长是区域分割最基本的方法。所谓区域生长就是一种根据事先定义的准则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，将特征相似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，最终形成具有相似特征的像素的最大连通集合。下面给出以像素灰度为特征进行简单区域生长的步骤。(1对图像进行光栅扫描，找出尚没有归属的像素。当寻找不到这样的像素时结束操作。(2把这个像素灰度同其周围(4-邻域或8-邻域不属于任何一个区域的像素进行比较，若灰度

9、差值小于某一阈值，则将它们合并为同一个区域，并对合并的像素赋予标记。精选学习资料 -名师归纳总结-第 7 页，共 11 页8/11(3从新合并的像素开始，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，寻找能作为新区域出发点的像素。优缺点：这种方法简单，但如果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：为消除这一点，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。下图是选择三个生长点的区域生长法图像分割的结果与选择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

10、纵坐标 56,30,35。第二副图的生长点为横坐标 63,10,85纵坐标 30,56,60。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决定于生长点的选择。精选学习资料 -名师归纳总结-第 8 页，共 11 页9/11 三图像分割方法研究的趋势虽然近年来图像分割的研究成果越来越多，但由于图像分割本身所具有的难度，使研究仍然存在一些问题，现有的许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价标准，如何对分割结果作出量化的评价是一个值得研究的问题，该量化测度应有助于视觉系统中的自动决策及评价算法的优劣，该测度应考虑

11、到均质性、对比度、紧致性、连续性、心理一视觉感知等因素，伴随着数字图像处理的应用领域不断扩大，实时处理技术已成研究的热点，在实时图像处理系统中，算法的运行时间也成为今后研究的方向和目标。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效果。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，有效地改善了分割效果用。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研究工作，并成功地运用于各种类型的优化问题，在分

12、割复杂的图像时，人们往往采用多参量进行信息融合，在精选学习资料 -名师归纳总结-第 9 页，共 11 页10/11 多参量参与的最优值求取过程中，优化计算是最重要的，把自然进化的特征应用到计算机算法中，将能解决很多问题。遗传算法的出现为解决这类问题提供了新而有效的方法，不仅可以得到全局最优解，而且大量缩短了计算时间。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提供了一种新的思路与解决办法。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

13、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，随着神经学的研究和进展，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，其独特处理方式为图像分割提供了新的思路。脉冲耦合神经网络具有捕获特性，会产生点火脉冲传播，对输入图像具有时空整合作用，相邻的具有相似输入的神经元倾向于同时点火。因此对于灰度图像，PCNN 具有天然的分割能力，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。如果目标区域灰度分布有重叠，由于PCNN 的时空整合作用，如果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，从而实现较完美的分割。这是

14、其一个突出的优点，而这恰恰是其他的分割方法所欠缺的，其在未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，小波理论得到了迅速的发展，而且由于其具有良好的时频局部化特性和多分辨率分析能力，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分辨率和低时间分辨率，在高频段可用低频率分辨率和高时间分辨率，小波交换在实现上有快速算法具有多分辨率，也叫多尺度的特点，可以由粗及精地逐步观察信号等优点。近年来多进制小波也开始用于边缘检测。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研究的热点。精选学习资料 -名师归纳总结-第 10 页，共 11 页11/11 计算机图像处理结课作业姓名：张亚运学号：09301116 学院：土木 工 程精选学习资料 -名师归纳总结-第 11 页，共 11 页