比特币与电子商务

《比特币与电子商务》由会员分享，可在线阅读，更多相关《比特币与电子商务（11页珍藏版）》请在金锄头文库上搜索。

1、图像分割算法研究郝博麟摘要：本文通过研究图像分割算法，了解基本图像分割算法及其原理，数学模型，了解对日常生活应用。1图像分割算法简介图像分割时一种重要的图像分析技术。在对图像的研究和应用中 人们往往仅对图像中的某些部分感兴趣，这些部分称为目标或者前景（其他部分称为背景），他们一般对应图像中特定的、具有独特性 质的区域。这里的独特性可以是像素的灰度值、物体轮廓曲线、颜色、 纹理等。为了识别和分析图像中的目标，需要将它们从图像中分离提 取出来，在此基础上才有可能进一步对目标进行测量和对图像进行利 用。因此图像分割就是指把图像分成各具特性1的区域并提出感兴趣目标的技术和过程。图像分割的方法已有上 千

2、种，每年还有许多新方法出现，虽因尚无通用的分割理论，目前提 出的分割算法大都是针对具体问题的，但是对于图像分割的一般性规 律则基本上已经达成了共识。对图像分割的方法进行了分类和研究，把图像分割的方法分为三大类：（1）基于边缘检测的分割方法，图像最基本的特征是边缘，边缘检测方法利用图像一阶导数 的极值或二阶导数的过零点信息为 判断边缘点提供了基本依据，论文对细胞图像进行分割，从实际效果 上比较各种算子进行边缘检测的优缺点；2）基于区域的分 割方法， 阈值化方法根据物体像素的灰度级与背景像素的灰度级的不同，将物 体从背景中较好地分割出来，区域增长分割就是把具有某种相似性质 的像素连通起来，从而构成

3、最终的分割区域；（3）基于特定理论的 分割方法，这些特定理论包括小波变换、数学形态学、神经网络和模 糊技术等。把直方图与小波变换方法结合起 来，利用小波变换的多 尺度特性，在不同的尺度上选择分割阈值，这样使得阈值的选取更加 合理，实验结果表明该算法能得到较好的分割效果。通过对以上三类 方法 的探讨，以及对各类算法进行的实验，总结了传统图像分割算 法的优缺点和各类算法的适应环境。对于数字图像处理的认识： 图像处理技术一般分为两大类：模拟图像处理和数字图像处理。数字图像处理是指将图像信号转换成数字信号并利用计算机进行处 理的过程，它是2 0世纪6 0年代随着计算机技术和超大规模集成的 发展而产生、

4、发展和不断成熟起来的一个新兴领域，在理论上和实际 应用中都取得了巨大的成就。进入2 1世纪，随 着计算机技术的快 速发展和相关理论的不断完善，数字图像处理技术在很多应用领域受 到了极大的重视并且取得了重大的成就。随着数字图像处理技术的迅 速发展， 到目前为止，数字图像处理在医疗设备、图像通讯、地理 信息系统、工业自动化和办公自动化系统领域的应用越来越多，对推 动社会的发展和改善人们的生活水平起 到了极大的作用。数字图像处理是在以计算机为中心的包括各种输入、输出及显示 设备在内的数字图像处理系统上进行的，是将连续的模拟图像转换成 离散的数字图像后，再建 立在一定的数学模型和物理模型的基础上， 所

5、进行并且实现的种种处理。数字图像处理的发展取决于硬件的研制 软件的开发和必要的科学条件。目前，图像处理的 发展趋势是以数 字图像处理为主，因为这种方法有非常多的优点。比如：使用和保存 方便、处理精度高并且灵活、功能齐全、通用性和重复性好等。但与 光信息处理 相比，处理速度、图像容量等受到计算机的限制，处理 设备也比较复杂。2数字图像处理把在空间上离散的，在幅度上量化的数字图像，经 过特定数理模式的加工处理，以达到有利于人眼视觉或某种接收系统 所需要的图像的过程。广义地来说，数字图像处理主要研究的内容包 括：(1) 图像变换一般来说，如果对数字图像进行直接处理，那么涉及到的计算量 就比较大，因此

6、需要采用图像变换的方法(如：傅立叶变换、离散余 弦变换等)将空间域的处 理转换为变换域处理，这样做不仅减少了 计算量，而且可以获得更加有效的处理。近年来出现的小波变换技术， 在数字图像处理中就有着广泛且有效的应用。(2) 图像编码压缩把数字化的图像数据按照一定的规则进行排列或者运算的过程， 称为图像编码。利用图像本身的内在特性，通过某种特殊的编码，达 到减少原图像数据时空占用量的处理叫做图像压缩编码。该部分主要 研究各种高效压缩编码方法。（3）图像增强指利用各种数学方法和变换手段提高图像中目标和背景的对比 度与图像的清晰度，从而突出接收系统所感兴趣的部分。例如：强化 图像高频分量，则可以使图像

7、中的目标轮廓清晰、细节明显。该部分 主要研究各种增强模型和处理方法。（4）图像复原在景物成像的过程中，由于目标的高速运动、噪声干扰、介质散 射等各种因素，导致最后形成的图像存在种种的恶化。把这种恶化了 的图像恢复到能真实反映原图像的处理，称为图像复原。该部分主要 研究各种校J下模型和处理方法。（5）图像识别图像识别属于模式识别的范畴，其主要内容是指图像经过某些预 处理（例如：增强、复原、压缩）后，进行特征提取和图像分割，从 而进行判决分类。图像识 别常常采用经典的模式识别方法，有结构 模式分类和统计模式分类，近年来新发展起来的人工神经网络模式分 类和模糊模式识别在图像识别中越来越受到重视。（6

8、）图像分割图像分割是一种重要的和关键的图像分析技术，其目的是把图像 分成各具特性的区域并提取出感兴趣的部分，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。对它的研究一直是数字图像处 理技术研究中的热点和焦点，目前已经提出了数以千计的不同算法， 虽然这些算法大都在不同程度上取得了一定的成功，但 是图像分割 问题还远远没有解决，这方面的研究仍然面临很多的挑战。数字图像处理的这些内容之间在理论基础和处理方法上各有异 同，在技术上既相互渗透，又分别和不同学科相结合，难以严格区分， 但可保持相对的独立性。2 图像分割研究意义 在图像的研究和应用中，人们往往只对一幅图像中的某些部分感 兴趣，例如

9、一幅遥感图像，从军事的角度可能只对机场、兵工厂、 导弹基地等军事目标比较感兴趣； 而从其它的角度如环境生态方 面考虑，则只对森林、草地、湿地等目标感兴趣。这些感兴趣的 部分一般对应图像中特定的、具有特殊性质的区域（可以对应单 个区域，也可以对应多个区域），称之为目标，而其它部分称为图 像的背景。为了辨识和分析目标，需要把目标从一幅图像中分离 出来，这就是图像分割要研究的问题。所谓图像分割，广义来说， 是根据图像的某些特征或特征集合（例如灰度、颜色、纹理等） 的相似性准则对图像像素进行分组聚类，把图像平面划分成若干 个具有某 些一致性的不重叠区域。这使得同一区域中的像素特征 是类似的，即具有一致

10、性；而不同区域间像素的特征存在突变， 即具有非一致性。3图像分割研究现状：对图像分割来说，如果不利用关于图像或所研究 目标的先验知识，任何基于数学工具的解析方法都很难得到很好的效 果。因此，在更多的时候，人们倾向于重新设计 一个针对具体问题 的新算法来解决所而临的图像分割问题。这在只有少量图像样本的时 候，利用各种先验知识，设计一个具有针对性的算法进行图像分割是 比较容易 的。但是当需要构建一些实用的机器视觉系统时，所面临 的将是具有一定差异性、数量庞大的图像库，此时如何很好的利用先 验知识，设计一个对所有待处理图像都 实用的分割算法将是一件非 常困难的任务。其次，由于缺乏一个统一的理论作为基

11、础，同时也缺 乏对人类视觉系统机理的深刻认识，构造一种能够成功应用于所有图 像的统一的图像分割算法，到目前为止还是难以实现的。那 么，我 们是否能研究出针对不同特点的图像使用不同的分割方法，以期都能 获得满意的分割结果呢？遗憾的是，迄今为止还没有一个完善的理论 来指导如何根据图像的特点来选择合适的方法。现实生活中在分割一幅图像时，多是依据经验和直觉去选择方法，通 过反复实践来找到一种最佳的方法。与计算机科学技术的确定性和准 确性相比，图像分割 更像是一种艺术行为，有经验的人能比较容易 的选用出适当的方法，使不同的图像都得到最佳的分割效果。但是， 当要处理的图像十分庞大时，图像分割就像是流水 线

12、上的一道简单 工序，这种艺术行为就显得无能为力了。随着Web技术和多媒体技 术的发展，包括图像、音频和视频等信息的多媒体数据已经广泛用于 intenet 和企事业信息系统中，而且越来越多的商业活动、信息表现 和事务交易中都将包括多媒体数据，自然也就包含了大量的图像，基 于内容的图像检索的广泛应用就是一个例子，这些常常都是以图像分 割作为基础的。作为计算机视觉和图像处理中的难点和热点之一，图 像分割的研究受到了研究工作者的极大重视，并对图像分割进行了深 入、广泛的研究。图像分割方法众 多，针对不同的应用有不同的方 法，自2 0世纪7 0年代以来，已提出上千种类型的分割算法。如： 门限法、蛇线模型

13、法、匹配法、阈值法、区域生长法、分裂一合并法、 马尔可夫随机场模型法，多尺度法、小波分析法、数学形态学等。这 些 分割算法都是针对某一类型的图像、某一具体的应用问题而提出 的，并没有一种适合于所有图像的通用的分割算法，通用方法和策略 的研究仍然面临着巨大的困难和 挑战。另外，给定一个实际图像如 何选择合适的分割算法也还没有一定的标准，这给图像分割技术的应 用带来许多实际问题。3基于边缘检测的图像分割算法基于边缘检测的图像分割方法是人们最早研究的方法，边缘是指其周 围像素扶度阶跃变化的像素的集合，边缘广泛的存在于目标与背景之 间、目标和目标之间，它 是图像分割所依赖的重要特征。边缘检测 技术可以

14、按照处理的顺序分为并行边缘检测和串行边缘检测。在并行 边缘检测技术中，一个像素点是否属于欲检测的边缘， 取决于当前 正在检测的像素点以及该像素点的一些相邻像素点，这样该模型可以 同时用于检测图像中的所有像素点，因而称之为并行边缘检测技术； 而在串行边缘检 测技术中，当前像素点是否属于欲检测的边缘，取 决于先前像素的验证结果。边缘检测常用方法; 构造边缘算子是目前 边缘检测方法中最简单实用的。对于要进行处理的图像，由于边缘和 噪声的关系，给检测带来一定的难度。由于边缘检测针对不同的图像， 所采用的算子也不尽相同.采用何种算法去提取图像中的具体对象和 图像背景之间的交界线是边缘检测的本质问题。我们

15、可能通过微分的 技术来逐步获得边缘算子，一般来说，噪声和边缘构成了图像的灰度， 这种灰度的变化是以梯形分布的。最常见的边缘检测方法有以下几种 Roberts、Sobel、PreWitt 和 Canny 等。54 基于曲面拟合的方法基于曲面拟合的方法基本思想是将灰度看成高度，用一个曲面来拟合一个小窗口内的数据，然后根据该曲面来决定边缘点。Preewitt最 早用n阶多项式对原始图像作最一一乘法拟合，然后用梯度算 子在拟合曲面上进行边缘检测。Haralick提出用二维三次多项式来 拟合小 窗口内的图像数据，为得到该多项式的系数，他先用离散正 交多项式的线性组合来拟合数据，求得线性组合的系数后再得到

16、三次 多项式的系数，然后，求该多项式的 二阶方向导数，以其过零点来 决定边缘点。由于正交多项式构造过程复杂，灵活性差，不易表达复 杂边界形状，因此应用受到了限制。Ma talas等人用Haralick的这 种方法作为基础，得到起始边缘点，然后再在此基础上用松弛标号法 对找出的边缘点进行进一步的判断，去伪存真。曲面拟合法依赖于基函数的选择，实际应用中往往采用低阶多项式， 因为高阶多项式可能产生振荡现象，并且拟合曲面不光滑。利用拟合 曲面进行边缘检测时，一般要求拟合曲面既要有足够的光滑性，又要 与原图像曲面具有相同的凹凸性，这样才能较好的检测出图像的边缘 5基于特定理论的图像分割的方法(1) 基于数学形态学的分割方法：它的基本思想是用具有一定形态的 结构元素去度量和提取图像中的目标以达到对图像进行分析和识别 的目的。数学形态学对图像分割具有良好的特性，将会在以后的图像 分割中起主导作用。但该方法还存在一定的缺陷，还不能很