《数字像分割的多种算法研究-毕业论文》由会员分享，可在线阅读，更多相关《数字像分割的多种算法研究-毕业论文（24页珍藏版）》请在金锄头文库上搜索。
1、大连交通大学 2011 届本科生毕业设计（论文）1第一章题的研究背景及意义随着信息技术的发展和不断深入，人们越来越多的利用计算机来帮助人类获取与处理各种信息。据统计，在人类从外界获得的信息中有 75%左右是来自视觉或者说像信息，它是人类最有效的信息获取和交流方式，像也因为其所含的信息量大、表现直观而在近年得到的广为宣传和应用的多媒体中占据了重要的地位。像分割是一种基本的计算机视觉技术，是从像处理到像分析的关键步骤。像分割就是将像表示为物理上有意义的连通区域的集合，是进行像分析的第一步工作，也是解决起来比较困难的一个问题。对于那些基于像分割结果的接下来的任务，如特征提取、目标识别等的质量的好坏都
2、取决于是否有一个质量比较好的像分割结果，有效合理的像分割能够为基于内容的像检索、对象分析等抽象出十分有用的信息，从而使得更高层的像理解成为可能 1。像分割在数字像处理中的地位为了弄清像分割在数字像处理中所处的地位，我们引入并使用“像工程” 这个概念。像技术在广义上是各种与像有关技术的总称。像技术种类很多，跨度很大，但可以将它们归在一个整体框架一一“像工程” 之下。像工程是一个对整个像领域进行研究应用的新科学，它的内容非常丰富，根据抽象程度和研究方法等的不同可分为三个有特点的层次（如 1示）：像处理、像分析和像理解 2。 1像分割在像工程中的位置大连交通大学 2011 届本科生毕业设计（论文）2
3、像处理着重强调在像之间进行变换以改善像的视觉效果。像分析则主要是对像中感兴趣的目标进行监测和测量，以获得它们的客观信息从而建立对像的描述。像理解的重点是在像分析的基础上，进一步研究像中各目标的性质和它们之间的相互联系，并得出对原始成像客观场景的解释，从而指导和规划行动。像处理、像分析和像理解具有不同的操作对象，参考 1像处理是比较低层的操作，它主要在像像素级上进行处理。像分析则进入了中层，它侧重于对像素集合到目标的表达测量描述。像理解主要是高层操作，基本上是对从描述中抽象出来的数据符号进行运算推理。在对像的研究和应用中，人们往往仅对像中的某些部分感兴趣。这些部分常称为目标或前景( 其他部分称为
4、背景)，它们一般对应像中特定的、具有独特性质的区域。为了辨识和分析目标，需要将它们分离提取出来，在此基础上才有可能对目标进一步利用。像分割就是指把像分成各具特性的区域并提取出感兴趣目标的技术和过程。这里的特性可以是像素的灰度、颜、纹理等。像分割是由像处理过渡到像分析的关键步骤，在像工程中占据重要的位置。一方面，它是目标表达的基础，对特证测量有重要的影响。另一方面，因为像分割及其基于分割的目标表达、特证提取和参数测量等将原始像转化为更抽象更紧凑的形式，这才使得更高层的像分析和理解成为可能。像分割的应用领域在实际生产生活中，像分割的应用也非常广泛，几乎出现在有关像处理的所有领域，并涉及各种类型的像
5、。例如，在遥感应用中，卫星云的处理;在医学应用中，脑部 像分析;在交通像分析中，违章车辆车牌区域的分割;在面向对象的像压缩和基于内容的像检索中感兴趣区域的提取。在这些应用中，像分割通常是为了进一步对像进行分析、识别、压缩编码等，区域提取的准确性将直接影响后继任务的有效性，因此分割的方法和精确程度是至关重要的。也是因为像分割在数字像处理中占据了如此举足轻重的地位，所以才会在凡是有数字像处理出现的地方就必然少不了像分割的身影。纵观数字像处理的历史，随着计算机的高速化和大容量化，摄像设备的小型化和高精度化，这在使得像处理在工作站及个人计算机等小型机上的实现成为可能的同时，更使像的质量有了突飞猛进的改
6、善。技术的进步带来应用的革新，对人们的生产生活产生了全面而深刻的影响，使得数字像处理技术在科学研究、工业生产、军事国防及现代管理决策部门等各行各业都得到越来越多的应用，其场合广阔、内容众多、形式新颖、门类齐全，其应用前景可以说是方兴未艾，正向着实时化、大众化、小型化、远程化等多方面迅猛发展。下面列出的表 1明扼要地展示了数字像处理的一些常见应用领域 2。像分割技术的现状大连交通大学 2011 届本科生毕业设计（论文）3自20世纪70年代起，对像分割的研究一直是像技术研究中的热点和焦点，人们对其的关注和投入不断提高。像分割作为像处理中的一项关键技术，至今已提出上千种分割算法，但因至今尚无通用的分
7、割理论，现提出的分割算法也大都是针对具体问题的，并没有一种适合所有像的通用分割算法。另外，还没有制定出选择适用分割算法的标准，这给像分割技术的应用带来许多实际问题。比较常用的且分割效果较为理想的有基于形态学的分水岭分割、快速聚类分割、颗粒分割、区域阈值法和边缘检测法等。表 1数字像处理的常见应用领域最近几年又出现了许多新思路、新方法或改进算法，而且近年来每年有上百篇有关研究报道发表，2000年3专门撰书对像分割进行了全面和深入的讨论。传统的分割算法基本以处理灰度像为主。随着技术的发展，近年来，其它像如彩像、多光谱像、纹理像、深度像、多视像、运动像、合成孔径雷达像等特殊像也得到了广泛应用。它对分
8、割技术提出了新的要求，引起了分割技术发展的新契机。而小波变换理论的成熟、神经网络技术的引入、模糊理论发展、粗糙集理论的应用为分割技术的发展提供了理论基础。像处理中的应用本文研究像分割的软件平台是 5。该系列软件前身是由美国 982 年推出的一套高性能的数值计算和可视化软件。它集数值分析、矩阵运算、信号处理和形显示于一体，其强大的扩展功能为各个领域的应用提供了基础。具箱中主要包括信号处理(控制系统(神经网络(像处理(鲁棒控制(非线性系大连交通大学 2011 届本科生毕业设计（论文）4统控制(系统辨识 (小波(工具箱(伯晓晨 2000 年) 。这些工具箱给各个领域的研究和工程应用提供了有力的工具。
9、借助于这些“ 巨人肩上的工具 ”，各个层次的研究人员可直观方便地进行分析、计算及设计工作，可以大大地节省软件开发时间。针对广泛且蓬勃发展的像处理而开发的 像处理工具箱函数更是广大从事像处理研究人员的利器。他包括了像变换、像增强、像压缩、像分析、像分割及识别等大量基本命令和函数。本课题将基于 像处理上的强大功能，充分利用已有的 具箱函数进行像分割算法的研究探讨。论文进行的主要工作本课题的研究内容主要包括以下的几个方面：(1)对像分割的方法做整体的调查概述，归类时下流行的多种分割方法，并对其基本理论和应用方面等做研究和分析。(2)就最经典的几种像分割方法进行详述。(3)着眼最近流行的形态学分割方法
10、，深入分析数学形态学中的分水岭像分割，并对其容易产生过分割的缺点进行了改进，最后提出了最佳的一种解决方案。章节的安排第一章是绪论，阐述课题研究的意义、目的及发展现状。介绍本课题研究所采用的基本方法。第二章对像分割的方法进行整体性的概述，并简要介绍，对像分割方法产生宏观的印象。第三章对阈值法，区域法和边缘检测法这三种最基本也是最经典的像分割方法进行验证性实验，并分析了实验结果。第四章深入详尽的阐述了基于形态学的分水岭像分割方法，对其优缺点均进行了剖析，并针对其容易出现过分割的缺点进行了试探性的解决，并通过 编程并仿真，最后提出了一种相对较优的综合分割方式。大连交通大学 2011 届本科生毕业设计
11、（论文）5第二章述像分割是依据像的灰度、颜、边缘、纹理或者几何特征将像中具有特定含义的不同区域区分成互不相交的区域，而每一个区域都满足特定区域的一致性。比如对同一物体的像，一般需要将像中属于该物体的像素从背景中分割出来，将属于不同物体的像素点分离开。分割出来的区域应同时满足:(1) 分割出来的像区域是均匀的和连通的。其中，均匀是指该区域中的所有像素点都满足基十灰度、纹理、彩等特征的某种相似性准则，连通是指该区域内任意两点均可以连接。(2) 相邻分割区域之间针对选定的某种显著的差异性。(3) 分割区域边界应该规整，同时能保证边缘的空间定位精度。下面给出了像分割的严谨的数学定义以加深理解。令集合
12、R 代表整个像区域,对 R 的分割可看做将 R 分成 N 个满足下列五个条件的非空子集(子区域) , 2;对所有的 i 和 j , 任意的 i j , 有 空集;对 i = 1 , 2 , , N , 有 P( = 对 i j ,有 P( = 对 i = 1 ,2 , , N ,有 连通的区域. 其中 P( 是对所有在集合 的元素的逻辑谓词。如果加强分割区域的均匀性约束，则分割区域很容易产生大量的空白和不规整的边缘; 但若是过分强调分割后区域之间的性质差异，则又不免造成非同质区域的合并和部分有意义边缘的丢失。经过众多像处理和机器视觉研究者的长期努力，在满足上述定义的情况下的像分割算法取得了重大
13、突破，但都是针对某一类型的像或者某一具体应用，还没有一个单一的标准像分割算法，没有形成一个统一的成形的像分割理论;同时，也没有达成一个判断分割成功的客观标准。然而，还是有很多特定的像分割算法在一定程度上被广泛应用，在其适用的特定范围非常有效。根据所利用的像信息，像分割算法大致可以分为四大类:(1)利用像灰度统计信息的方法，典型的有一维直方阈值化算法和二维直方阈值化算法;(2)利用像形的空间域信息和光谱信息的分割算法，这类典型包括区域合并、大连交通大学 2011 届本科生毕业设计（论文）6生长法、纹理分割算法和多光谱分割算法等;(3)利用像中灰度变换最剧烈的区域信息算法是边缘检测算法，这类算法是
14、 像分割中用的最多，其典型有 法、4)利用像分类技术的像素分类算法。这类算法的典型有统计分类方法、模糊分类方法和神经网络分类方法等，其中最常见的算法是 法。值分割法阈值分割法作为一种常见的区域并行技术, 就是用一个或几个阈值将像的灰度直方分成几类, 认为像中灰度值在同一类中的像素属于同一物体。由于是直接利用像的灰度特性, 因此计算方便简明、实用性强。显然, 阈值分割方法的关键和难点是如何取得一个合适的阈值, 而实际应用中阈值设定易受噪声和光亮度影响 4。近年来关于阈值分割法主要有: 最大相关性原则选择阈值法、基于像拓扑稳定状态法、灰度共生矩阵法、熵法、峰值和谷值分析法等。其中,自适应阈值法、最大熵法、模糊阈值法、类间阈值法是对传统阈值法改进较成功的几种算法。更多的情况下, 阈值的选择会综合运用两种或两种以上的方法, 这也是像分割发展的一个趋势。阈值法的缺陷主要在于它仅仅考虑了像的灰度信息, 而忽略了像的空间信息。对于非此即彼的简单像处理( 如一些二值
