（通信与信息系统专业论文）目标图像视觉特征矩描述与检测分割技术.pdf

摘要 摘要 图像分割是图像处理中的个重要的部分。它广泛应用于数字视频处理、模 式识别、目标识别与跟踪。此外，它也用于基于内容的视频压缩，频压缩编码在 多媒体通信中也颇受青睐，广泛应用于m p e g 一4 等国际标准中。它对提高多媒体 通信的传输效率有重要的作用。 本文讨论了图像视觉特征邻域矩分析和基于视觉特征矩的检测分割技术，并 分析系统中的关键模块：图像邻域分析，视觉特征矩变换后的自适应聚类，目标 图像的边缘检测，视同灰度区域的视同灰度提取。第一章介绍课题的研究背景、 研究任务和国内外相关的技术发展动态。第二章分析了图像分割的一般理论与常 用技术以及这些常用技术的缺点。第三章论述人眼的视觉特性和人眼对图像视频 目标的认识机理，同时也提出视觉特征的邻域矩特征描述以及基于视觉特征的分 割模型和相关理论，最后进行整个分割系统的设计。第四章分析了图像视觉特征 的邻域矩特征描述，并对邻域矩特征进行自适应聚类提取边界和图像目标的视同 灰度的提取。第五章探讨了彩色图像的视觉特性，彩色视觉模型与工业彩色模型 之间的转换，提出了基于视觉特征的彩色图像分割系统设计。最后一章讨论了软 件处理系统的设计，系统软件的流程框图，并附上相关的p c 仿真实验数据。 关键词：图像分割；视频目标；视觉特征；邻域矩特征；视同灰度。 a b s t r a ( 了 a b s t r a c t i m a g es e g m e n t a t i o ni so n ei m p o r t a n tp a r ti n t h ei m a g ep r o c e s s i n g i ti sw i d e l y u s e di n d i g i t a l v i d e op r o c e s s i n g ，p a t t e r nr e c o g n i t i o n ，t a 曙e tr e c o g n i t i o na n di m a g e t r a c k i n g i na d d i t i o n ，i ti sa l s ou s e di nv i d e oc o m p r e s s i n gb a s e do nc o n t e n t ，w h i c hi st h e m a i ni d e ao fa d v a n c e di n t e r n a t i o n a ls t a n d a r d s ，s u c ha sm p e g 一4 7 i ti sv i t a lt o a d v a n c et h ee f f i c i e n c yi nt h em u l t i m e d i ac o m m u n i c a t i o n t h i sd i s s e r t a t i o nd i s c u s s e si m a g es e g m e n t a t i o nt e c h n o l o g yb a s e do nt h ei m a g e v i s u a lf e a t u r e s ，t h ei m a g en e i g h b o r h o o dm o m e n ta n a l y s i sa n dt h er e l a t e di m a g e d e t e c t i o na n ds e g m e n t a t i o ns y s t e m a n dt h ek e yf u n c t i o n a lm o d u l e s a n a l y z e da r ea s f o l l o w s ：t h ei m a g en e i g h b o r h o o dm o m e n t sa n a l y s i s ，t h ea d a p t i v ec l u s t e r i n ga f t e rt h e v i s u a lm o m e n tt r a n s f o r m a t i o n ，t h eb o u n d a r yd e t e c t i o no ft h eo b j e c ti m a g ea n dt h e e x t r a c t i o no ft h eo b j e c ti m a g ea r e ao fs i m i l a rv i s u a lb r i g h t n e s s t h eb a c k g r o u n da n d r e s e a r c ht a s ko ft h ed i s s e r t a t i o na n dt h ed e v e l o p m e n to ft h er e l a t e dt e c h n i q u e si n d o m e s t i ca n da b r o a da r ei n t r o d u c e di nt h ef i r s tc h a p t e r , a n di nt h es e c o n do n e ，t h e g e n e r a lt h e o r ya n dt e c h n o l o g i e so fi m a g es e g m e n t a t i o na r ep r e s e n t e d ，i n c l u d i n gt h e i r d i s a d v a n t a g e i nt h et h i r d ，f o c u s e sa r ep u t o nt h ea n a l y s i sf o rt h eh u m a nv i s u a lf e a t u r e s a n dt h em e c h a n i s mo ft h eh u m a nv i s u a lr e c o g n i t i o no ft h ei m a g eo b j e c t ，t h ed e s c r i p t i o n o ft h ei m a g ev i s u a lf e a t u r e sw i t hi m a g en e i g h b o r h o o dm o m e n t sa n dt h et h e o r ya n dt h e m o d e lf o rt h es e g m e n t a t i o nb a s e do nt h ev i s u a lf e a t u r ea r ep r e s e n t e d f i n a l l yt h es y s t e m d e s i g nb a s e do nv i s u a lf e a t u r e sr e c o g n i t i o ni sd e v e l o p e d i nt h ef o u r t hc h a p t e rt h e a n a l y s i sf o rt h ev i s u a lf e a t u r e s ，t h ea d a p t i v ec l u s t e r i n ga n dt h ee x t r a c t i o no ft h ei m a g e a r e aw i t ht h ei m a g es i m i l a rv i s u a lb r i g h t n e s sa r ea n a l y z e d t h ea n a l y s i sf o rt h ev i s u a l f e a t u r e so fc o l o ri m a g ea n dt h et r a n s f o r m a t i o nb e t w e e nt h ec o l o rv i s u a lm o d e la n dt h e i n d u s t r yc o l o rm o d e l ，t h es y s t e md e s i g nf o rc o l o ri m a g es e g m e n t a t i o nb a s e do nt h e h u m a nv i s i o na r ep r e s e n t e di nt h ef i f t hc h a p t e r i nt h el a s tc h a p t e ra r ed i s c u s s e dt h e d e s i g no ft h es o f t w a r es y s t e m ，a n di t sf l o wc h a ta n dt h ed a t ar e s u l t e df r o mt h ep c s i m u l a t i o n k e yw o r d s ：i m a g es e g m e n t a t i o n ；v i d e ot a r g e t ；v i s u a lf e a t u r e s ；n e i g h b o r h o o d m o m e n ta n a l y s i s ；v i s u a ls i m i l a rb r j i g h t n e s s 1 t 目录 图目录 图卜1 视频图像过滤与隐藏技术系统结构图 图3 1 锥状细胞光敏感曲线图 图3 - 2 人眼视同灰度域划分功能图 图3 3 灰度级描述的剖面示意图 图3 4 条状灰度示意图 图3 5 条状灰度测试实验系统结构图 图3 6 条状灰度测试结果图 图3 7 视觉特征矩图像分割系统结构图 图3 8 局域均值方差分析的图像分割技术方案设计 图4 一l 噪声去除效果图像 图4 2 像素的灰度矩特性分析 图4 3 像素矩特性分析图像 图4 4 边缘提取框图 图4 5 目标与背景区域分割图 图4 - 6 视觉特征矩图像分割图 图5 一lr g b 彩色模型图 图5 2r g b 模型中的色彩空间分布 图5 3 极坐标下的彩色视觉模型图 图5 - 4h s i 彩色模型 图5 5h l s 彩色模型和h s v 彩色模型 图5 - 6 彩色图像视同颜色分割系统框图 图6 - 1 系统处理程序流程图 图6 2 视觉特征矩图像分割1 图6 3 视觉特征矩图像分割2 v 2 4 8 8 8 8 9 3 4 6 7 8 9 1 3 6 7 8 9 9 2 4 5 6 1 l 1 1 l l 2 2 2 2 2 2 3 3 3 3 3 3 3 4 4 4 4 堂型垫堂笪! 室 f ( x ，y ) c ( 4 ) ( f ，j ) g r a y a , g r a y 口i 常用数学符号表 图像数据函数 视觉特征集 目标4 的指示函数 目标爿的数据函数 目标4 目标丘的支持域 像素的k 阶邻域原点矩 像素的k 阶邻域中心矩 像素的邻域加权均值 像素的邻域加权方差 加权方差图像的k + 1 次迭代均值 加权方差图像的k + 1 次迭代方差 加权方差图像的k + 1 次迭代加权系数 加权方差图像指示函数 目标4 的视同灰度 目标4 的灰度方差 v i l 力力 m m d 哆 “d d ， o 八八 以m 聃4 k坝嘲|耄啉一一 独创性声明 本人声明所呈交的学位论文是本人在导师指导下进行的研究工 作及取得的研究成果。据我所知，除了文中特别加以标注和致谢的地 方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含 为获得电子科技大学或其它教育机构的学位或证书而使用过的材料。 与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明 确的说明并表示谢意。 签名： 羹丛 日期：棚多年j 月“日 关于论文使用授权的说明 本学位论文作者完全了解电子科技大学有关保留、使用学位论文 的规定，有权保留并向国家有关部门或机构送交论文的复印件和磁 盘，允许论文被查阅和借阅。本人授权电子科技大学可以将学位论文 j 的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或 扫描等复制手段保存、汇编学位论文。 ( 保密的学位论文在解密后应遵守此规定) 签名：塞i 筮翩潞廛丝 日期：年月 日 第一章前言 第一章前言 1 1 课题来源与研究任务 本课题来源于国家自然科学基金委员会与中国工程物理研究院共同设立的国 家安全联合基金项目( 简称n s a f ) ，课题全名为“场景视频图像的过滤与隐藏技 术的研究”，项目的主要任务是视频图像序列定场景图像检测，分割与过滤技术的 研究。根据项目的研究任务可知本项研究所涉及的技术范围较广，它包括：信息 安全技术中的多媒体数据的隐藏加密技术；信息数据内容侦察；多媒体数据内容 描述、表征、识别与提取技术；内容安全性高的高效压缩技术等多项前沿新兴技 术。随着信息技术的发展，全世界的信息化进程正不断地向更广、更深的范围进 行，信息技术正受到各国政府，民间组织，经济机构等越来越大的重视，是最近 迅猛发展的新兴技术之一。本项目涉及到的这些技术是信息技术中的重要组成技 术，也是目前信息技术研究中的前沿和热点，因此本项目的研究具有非常重要的 理论和现实意义。 本论文作为该项目的一个前期阶段，主要针对“基于场景视频图像内容的分 割技术”进行研究，图像分割技术也是数字视频处理、模式识别等领域的重要组 成部分，根据图像内容的情况，利用视觉矩的信息提取视频目标的轮廓与区域， 为视频图像的压缩编码和多媒体通信服务提供良好的基础。在日常生活中具有广 泛的应用，例如网络视频会议、自动控制、产品检验、保安监视、文档图像处理、 遥感遥测和生物医学图像分析等场合。此外，由于近年来对低比特率视频数据流 的不断追求，面向对象的模型基目标基编码思想在视频压缩编码、信息检索中也 颇受青睐，广泛应用于m p e g 一4 、m p e g 一7 ( 多媒体数据内容接口) 等国际标准中。 同时，根据信息内容进行分类、压缩也是提高信息传输速率的重要方法，对提高 人们的日常生活和信息全球化具有重要的意义和实用价值。 本课题涉及的关键技术与研究任务包括：1 基于定时空域目标的快速检测分割技 术；2 定域图像中目标的提取；3 定域图像中目标检测识别技术；4 定域图像 中敏感目标的模糊与过滤技术 本文的研究任务是定时空区域目标的检测分割技术，讨论的是基于人眼视觉特性 的目标图像分割技术，应用与多媒体通信中的视频传输和压缩编码。 电子科技大学硕士学位论文 l 定时空域li 图像目标的il 目标图像ii 目标图像的i 图像 检测分割广1 的识别广1 过滤与隐藏f 图1 - 1 视频图像过滤与隐藏技术系统结构图 1 2 系统研究背景 随着信息时代的到来，通信计算机和广播电视技术的迅猛发展，多媒体技术 逐渐成为这个领域所共同关注的一项技术，它涉及的范围广泛，包含的媒体类型 众多，但是在多媒体技术的学术研究和产品开发中最受关注的还是视频信息的处 理分析，因为视频信号不仅包含巨大的信息量，是现代信息传输的主要方式，而 且相对于其它媒体信息来说其处理分析的难度大、涉及的技术面广。随着近年来 微电子技术的迅速发展高速处理芯片和大容量存储器的出现使得视频信息的处理 分析和压缩传输技术逐渐成为一个普遍关注的研究课题它代表了当今信息处理和 通信领域研究和开发的前沿和重点同时也成为信号检测计算机视觉图像分析理解 和人工智能等领域的一个新的研究方向，视频产品日益普及对人们的日常生活生 产商业科研教育军事等领域产生了十分重要的影响，在高清晰度电视可视电话视 频会议机器视觉场景监控的制导等应用中数字视频处理和通信技术发挥着极其关 键的作用，本论文以数字视频的对象分割和提取为研究方向，对其中的重要研究 点的理论体系数理模型技术原理实现方案算法步骤和实际应用做了深入而细致的 研究和论述取得了许多创造性的研究成果，是数字视频的高效表征压缩传输的一 个重要基础。 在现在的信息时代里，信息对社会的影响也越来越大，人们对信息的依赖程 度越来越高，而视频信号正好能够满足人们的这种需求，图像在互联网上传输刚 好可以很好的适应信息的传输，如网络视频聊天，远程的视频会议，因特网上的 图像信息的传输，移动电话上的视频对话，网络电视电影节目的点播，所有这些 都涉及到视频信息的处理，在日常生活中，人们在绝大多数情况下只关心事物的 本身，而对其他的无用的背景信息却不再花费太多的时间，所以，背景信息在普 通的情况下是没有实际的意义，然而在现在的视频图像传输的过程中，浪费了许 多的网络资源来传输对人们没有太多实际用途的背景信息，针对这样的需求，进 行根据内容的图像分割技术的研究，分析出图像的有价值的视频信息和信息量小 的背景，从而直接传输图像的目标信息，极大地提高网络的利用率。基于内容的 第一章前言 图像分割技术应用到数字视频处理、模式识别、信息安全、多媒体信息隐藏等多 个领域，如网络视频通信、航空航天、遥感遥测、生物医学等方面。它对社会生 活都有重要的实用价值，且有广阔的应用前景。本项研究作为数字视频处理与压 缩和模式识别系统中的一次新尝试，在技术上和应用上具有一定的前瞻性和挑战 性，有必要进行深入研究和探导。 1 3 国内外相关技术动态 视频图像分割是视频图像分析与处理的第一步，也是数字图像处理的一项关 键的技术，区域分割是图像理解中的一个基本环节，其定义为按照选定的一致性 准则将图像划分为互不交叠的、连通的像元集的过程，它的思想是将图像分成若 干有意义的区域，他的目的将目标与背景分离处理出来，自2 0 世纪7 0 年代起一 直受到人们的高度重视，虽然国内外的研究机构和商业公司在这方面进行了大量 的研究，至今己提出上千种分割算法【1 】【“，如灰度分割的技术、基于边缘提取的技 术、基于区域内容的区域生长法和分裂合并法【2 】【3 】【4 】【5 】利用数学形态学的分割技 术，结合小波变换的分割技术，根据图像纹理特征的分割技术等等，还有几种技 术相结合而产生的图像分割技术，如结合图像灰度信息和空间信息的有意义区域 分割【6 】基于熵优化的区域生长图像分割技术【7 】，基于灰度形态重构的颗粒图像分 割技术，基于插值的图像分割技术等等。然而，由于视频图像的复杂程度不一样，现 在提出的分割算法大都是针对具体问题的，并没有一种适合所有图像的通用分割算 法：9 夕t - ，还没有制定出选择合用分割算法的标准，这给图像分割技术的应用带来许 多实际问题， 图像处理的关键算法通常包括图像分割与图象识别两个过程。图像分割就是 根据场景图像和目标图像的特性，将目标区域从场景中表示出来。目前，在图像 分割的技术方面，大致可以分为以下几大类【8 】：灰度门限法技术，其出发点是假设 所有在一个灰度、范围的像素属于一个区域；基于图像边缘的分割技术，其出发 点是区域边界的像素存在灰度跳变；基于图像内容的分割技术，其出发点是在一 个区域内的相邻像素具有相似的灰度特性：后来出现的机遇边缘和区域混合的技 术如数学形态学的方法进行的图像分割技术，他们都没有明显使用于各类图像的 分割，人们在实际的运用中根据具体的情况选择一种对现实状况最为理想的技术。 各国的图像处理专业人士和专家们经历了几十年的研究、探讨与试验，在分 割技术上取得了长足的进步，如在边缘分割技术的发展方面有下面的分割技术： 3 电子科技大学硕士学位论文 基于像素属性的边缘检测技术1 3 j ，这类技术主要依据像素灰度值不连续或边缘像素 的某种相似性来检测边缘，它可以分为并行边缘检测技术和串行边缘检测技术； 基于变形模板的边缘检测技术1 3 j ，这类技术将图像数据、初试轮廓、目标轮廓和基 于知识的约束统一与特征提取的过程中，目前在医学图像分割中应用最为广泛， 其基本原理是在图像区域内定义模板( 曲线或曲面) ，同时定义与图像数据有关的 内能与外能。在能量的作用下，轮廓发生变形直至分割目标的边缘。其中内能控 制模板的光滑与连续，外能使轮廓向目标边缘移动。变形模板可分为参数模板和 几何模板。二者的区别在于前者可以通过参数显式表达出来，后者可以通过高维 函数的水平集隐含表示；基于数学形态学的边缘检测技术l l j ，它的基本原理是图像 数据和结构元素做一次或多次形态学运算，得到边缘检测结果，它的特点是对噪 声比较敏感，通常采用小波变换和小尺度相结合的数学形态学分割技术；基于代 价函数的边缘检测技术，这种技术首先根据分割要求定义一个与图像数据有关的 代价函数，将边缘检测的问题转化为求代价函数的最优解的问题；基于边缘流的 检测技术，该技术将图像的属性( 灰度颜色，纹理、相位不连续性) 等综合考虑， 在每个像素点定义一个向量，向量的方向和大小有边缘和像素在任意角度向边缘 运动的概率共同决定，然后进行迭代运算，迭代时每个向量向离它最近的边缘扩 展，最终各个向量到达相应的边缘，不再变化，向量流达到稳定状态，它适合与 纹理图像的分割。如基于区域的分割技术：经典的区域分割技术，主要根据区域 内像素的相似性来分类，它分为并行区域分割技术和串行区域分割技术；统计模 式识别分割法，根据图像的概率，利用像素之间的相互相关性，达到最优的准则； 人工神经网络分割法【3 1 ，这是一种具有自组织、自学习、自适应和非常强的非线形 映射能力的技术，有标准图像样本集的分割和无标准样本集的分割；基于分形维 数的分割技术，分形维数是衡量几何体相似形的一种指标【”，这种技术主要应用于 自然景物和纹理图像；基于物理模型的分割技术，图像的物理模型是描述物体表 面的物理特征、光照条件、成像设备的光学特性等因素和图像数据之间关系的模 型，这种技术能够比较有效的处理由于光照等因素造成的图像亮度变化，也能够 识别阴影、光斑的影响，从而提高分割的准确性的鲁棒性。 1 4 论文安排 第一章：介绍课题来源、要求，以及相关的研究背景和技术动态。 第二章：详细介绍现代图像分割的各种技术：灰度阀值分割法、基于图像边缘的 4 笙二童萱童 一一 检测分割技术、基于图像区域检测的分割技术、结合数学形态学和小波变换的分 割技术、最后说明各种分割技术的优点与不足之处。并开始提出新的图像分割技 术。 第三章：详细介绍人眼的视觉特性并对原来的图像的分割技术进行测试，提出基 于人眼视觉特性的分割原理和模型以及视觉特征分割的基础理论图像在视觉上的 矩描述，并对分割系统的进行方案设计。 第四章：重点介绍灰度的一阶中心矩和二阶原点矩对目标视觉子区域的边缘的提 取，然后说明图像视觉子区域的视觉亮度的获取标定，最后进行视觉子区域的合 并。 第五章：介绍颜色的基本理论和相关的彩色模型，并对彩色图像分割进行分析， 提出基于视觉特性的彩色图像视同颜色分割技术的原理以及分割的技术展望。 第六章：简要介绍系统软件p c 仿真的设计方案与实现流程，列出了与本次论文 的分割技术相关实验结果。 最后是致谢和参考文献。 电子科技大学硕士学位论文 第二章图像分割一般理论与常用技术 2 1 图像分割的背景和意义 在对图像的研究和应用中，人们往往仅对图像中某些部分感兴趣。这些部分 常称为目标或前景( 其他部分称为背景) ，它们一般对应图像中特定的、具有独特 性质的区域。为了辨识和分析目标，需要把它们分离提取出来，再加以分析和处 理。图像分割就是将图像中各具特性或具特殊意义的区域区分开并提取出感兴趣 目标的技术和过程。这里可以利用的特性包括像素的灰度、颜色和纹理等【7 j ，预先 定义的目标可以对应单个区域，也可对应多个区域。图像分割是由图像处理到图 像分析的关键步骤，它不仅得到人们广泛的重视和研究，也在实际中得到大量的 应用。一方面它是目标表达的基础，对特征测量有重要影响；另一方面，它基于 特征提取和参数测量，将原始图像转化为更抽象更紧凑的形式，使更高层的图像 分析和理解成为可能。 图像处理着重强调在图像之间进行变换以改善图像的视觉效果，它是较低层 的操作，主要在像素级上处理；图像分析则是对图像中感兴趣的目标进行检测和 测量，以获得它们的客观信息并建立对图像的描述，它进入了中层，侧重对像素 集合目标的表达测量描述。图像理解则在分析的基础上进一步研究各目标的 性质和相互关系，得出对原始客观场景的解释，从而指导和规划活动，它主要是 高层操作，基本上是对从描述抽象出的数据符号进行运算推理。 在计算机视觉技术中，图像分割广泛应用于模式识别和目标跟踪与检测，是 其中重要的环节，图像分割是其中至关重要的一个关键技术，它是图像处理从低 层次的像素阶段通往高层次的语义阶段的桥梁与纽带。图像分割将图像划分为具 有认知意义的多个对象，其中每个对象均被视为具有某种特有性质的独立物体。 只有在此基础上，才能进行特征的提取，物体的识别以及场景的理解。在很多应 用环境中，图像分割的任务是将图像中具有明确指示意义和语意特征的目标子图 像检测出来，以便对其进行特征提取并加以识别。 图像分割广泛应用与模式识别和目标跟踪与检测，至今已经有许多具体的分 割技术，然而由于没有标准通用的分割理论，现在的分割技术都是针对具体的问 题，并没有一种适合所有图像的通用分割技术，总体来说，现在的图像分割技术 6 第二章图像分割一般理论和常用技术 可以分为以下几大类：基于灰度等级的图像分割技术，如灰度门限法技术，其出 发点是假设所有在一个灰度、范围的像素属于一个区域；基于象素灰度等级的阀 值检测与分割技术，其出发点是根据象素的灰度值与给定门限的比较结果来标定 图像的显示属性；基于边界特性的图像分割技术，其出发点是区域边界像素存在 灰度或者颜色的跳变，具有不连续性；基于区域特征的图像分割技术，其出发点 是在一个区域内的相邻像素具有相似的灰度或者颜色特性，具有变化的连续性。 利用数学形态学的基于边缘和区域混合的图像分割技术。人们在实际的运用中根 据具体的情况选择一种对现实状况最为理想的技术。下面介绍几大类技术： 2 2 阈值分割技术 阈值分割技术主要是用于图像的灰度。对灰度图像的阈值分割就是先确定一 个处于图像灰度取值范围之中的灰度阈值，然后将图像中各个像素的灰度值都与 这个闽值相比较，并根据比较结果将对应的像素分为两类。两类像素分属图像的不 同区域，从而达到分割的目的。关键是确定一个最优阈值，现有的大部分算法都是 集中在阈值确定的研究上。阈值分割技术根据图像本身的特点，可分为单阈值分 割技术和多阈值分割技术，其中单阈值分割法与平常说的二元聚类的原理极为相 似，多阂值分割法主要应用与图像的多目标分割；也可分为基于像素值的阈值分 割技术、基于区域性质的阈值分割技术和基于坐标位置的阂值分割技术。若根据 分割算法所有的特征或准则，还可以分为直方图与直方图变换法、最大类空间方 差法、最小误差法与均匀化误差法、共生矩阵法、最大熵法、简单统计法与局部 特性法、概率松驰法、模糊集法、特征空间聚类法、基于过渡区的阈值选取法等。 近几年又提出许多新技术，如基于直方图的分割技术，利用o s t u 准则找出最佳 分割阈值，对红外图像有很强的针对性基于图像差距度量的阈值选取技术，他特 别适合需自动产生阂值的实时图像分析系统基于量化直方图的最大熵阈值处理 算法，使计算量大大减小基于最小能量的图像分割技术，运用了能量直方图来选 取分割阈值提出了一种基于二维熵闽值的图像分割快速算法，降低传统分割技术 的复杂度；综合全局二值化与边缘检测的图像技术将全局二值化与边缘检测有效 的结合起来，从而达到对信封图分割的理想效果基于边缘模式的直方图构造新技 术使分割阈值受噪声和边缘的影响减少到最小基于小波分析的图像自适应阈值 选择算法，使闽值能进行自适应选择。所有的这些算法不管采取什么技术，结合什 么工具，基本思想是一致的，就是为了寻求最佳闽值，阀值分割技术原理简单，使 7 电子科技大学硕士学位论文 用方便，但在图像的分割中所取得的效果却不如人意，最大的不足在于他是一种 依照人的简单视觉所形成的分割技术，在分割后的图像恢复过程中已经失去大量 有用的信息，所以在日常生活和科学军事研究中很少选用。 2 3 边缘检测分割技术 图像边缘信息是图像的重要特征，也是计算机视觉和图像识别的基础。因此边 缘检测是图像分析和图像处理的重要内容之一。边缘检测技术的研究已有很长的 历史，已经有不少传统经典的技术。近年来，随着计算机技术、v l s i 技术的迅速 发展，有关图像处理方面的研究己取得很大的发展。尤其是近年来迅速发展起来 的形态学和小波理论的边缘检测技术在应用中取得了非常良好的效果。 边缘检测技术是人们研究得比较多的一种技术，它通过检测图像中不同区域的 边缘来达到分割图像的目的。根据检测边缘采用方式的不同，边缘检测技术大致包 括以下几类：基于局部图像函数的技术、多尺度技术、图像滤波法、多分辨率法、 基于边界曲线拟合技术、动态规划法、边界跟踪法、哈夫变换法等。 基于局部图像函数技术的基本思想是将灰度看成高度，用一个曲面来拟合某个 小窗口内的数据，然后根据该曲面来决定边缘点。多尺度技术实际上是用不同尺度 的滤波算子对图像进行卷积，并考察由此得到的边缘点随尺度的变化而具有的性 质，结合多种不同尺度的信息来最终决定边缘点。图像滤波法是基于对平滑滤波 后的图像求其一阶导数的极大值或二阶导数的过零点来决定边缘的，它的核心问 题是要设计一个合适的滤波器；多分辨率技术是从初始图像用规则或不规则的方 式逐步降低分辨率，得到金字塔形的一个图像序列，再在此基础上进行图像分割。 此技术的基本着眼点是较大的物体能在较低的分辨率下存在，而噪声则不能基于 边界曲线拟合技术是用平面曲线来表示不同区域之间图像的边界线，根据图像梯 度等信息找出正确的边界，达到分割图像的目的。动态规划( d y n a m i cp r o g r a m m i n g ) 法是一个多步决策的过程，它通过把一个步过程化为个单步过程的技术使算 法复杂度降低，根据动态规划的原理，可将全局最优化成局部最优之和。要使此技 术的结果令人满意，决策过程必须是一个马尔可夫过程。边界跟踪( b o u n d a r y t r a c k i n g ) 法也称边缘点链接( e d g ep o i n tl i n k i n g ) 法，由图像梯度图中一个边 缘点出发，依次搜索并连接相邻边缘点，从而逐步检测出边界的技术。哈夫变换 法是利用图像全局特性而直接检测目标轮廓的一种常见的技术，该技术的主要优 点是受噪声和曲线间断的影响较小。 第二章图像分割一般理论和常用技术 新近提出的技术，如基于语法、语义信息的多滤波集成边缘检测技术0 1 ，该技 术把图像灰度分布的形式所包含的边界信息看成是语义信息，把不同滤波器所提 取出的灰度分布形式的信息看成是语法信息，然后从语法信息出发，按一定的逻 辑推出不同种类的边界，最后用模糊逻辑得出符合实际需要的边缘检测结果。 多尺度脊边缘技术“：用m a l l a t 算法对图像进行二进度小波分解，然后计算 出在二迸尺度空间的多尺度脊边缘及强度，最后通过脊边缘跟踪、滤波和小波反 变换，得到分割结果1 。行扫描空间带通滤波法对电视图像的自动跟踪识别有很 好的效果基于多分辨分析的多模板边缘提取技术“，根据图像边缘灰度阶跃噪声 在不同分辨率层次上表现出来的相关性质，合理地确定检测规划并推断出边缘。 它适用于复杂噪声环境和宽分割阈值下的边缘定位。基于积分变换的边缘检测算 法“”，该技术引入了灰度尺度和空间尺度，将图像问题转化为数学问题进行解决； 基于图像信息测度( e i m ) 的多尺度边缘检测技术，克服了传统图像信息定义的缺 陷，使该技术具有较好的抗噪声和检测结果。结合信噪比与定位精度的新的边缘 检测准则，导出了满足最佳性质的算子，利用该算子进行边缘检测，取得了较好 的效果。 2 4 区域提取技术 区域是具有相似像素性质且在同一连通区的像素点的集合。图像目标的区域 内含有丰富的内容信息，是目标识别的重要依据，也是观察者对目标观察的需求 所在，在图像的处理中占有重要的位置。区域提取法有两种基本形式：种是从单 个像素出发，逐渐合并以形成所需的分割区域：另一种是从全图出发，逐渐分裂切 割至所需的分割区域。在实际中使用的通常是这两种基本形式的结合根据以上 两种基本形式，区域提取法可以分为区域生长法和分裂合并法。区域生长法的基本 思想是将具有相似性质的像素合起来构成区域，具体做法是选给定图像中要分割 的目标物体内的一个小块或者说种子区域，再在种子区域的基础上不断将其周围 的像素点以一定的规则加入其中，达到最终将代表该物体的所有像素点结合成一 个区域的目的。该技术的关键是要选择合适的生长或相似准则。生长准则一般可 分为三种：基于区域灰度差准则、基于区域内灰度分布统计性质准则和基于区域 形状准则。分裂合并法是先将图像分割成很多的一致性较强的小区域，再按某一 事实上的规则将小区域融合成大区域，达到分割图像的目的。 区域提取法的缺点是往往会造成过度分割，即将图像分割成过多的区域。因 电子科技大学硕士学位论文 此，近年来针对这种技术的研究较少。不过，还是有一些新的算法出现，如基于 四叉树结构的图像分割技术o “，将区域增长和人工智能结合起来，使分割速度大 大提高，算法同时能得到图像目标大小、目标灰度、目标个数、目标边界等。该 技术对多目标图像分割有更好的适应性；基于代理机模型的交互式图像分割技术 。”，代理机是完成特定功能的模块，通过控制界面和汇报界面实现与操作者的交 互，该技术特别适合医学图像分割；逆时针追踪轮廓线的彩色图像区域分割算法， 其基本思想是按逆时针顺序追踪轮廓线，在追踪过程中避免了像素点的行政管理 判断，采用回溯搜索解决奇点问题，从而保证追踪过程的连续性和正确性，还有 利用图像的颜色信息和灰度信息的改进的彩色图像区域分割技术、基于设定值地 图的区域生长技术等，在图像分割的特定应用领域取得了很好的效果。 2 5 结合数学形态学和小波变换的图像分割技术 近年来，随着各学科新理论和技术的产生，人们根据图像学与其他学科之间 的相互关系提出了许多结合特定理论工具的分割技术汹，例如基于数学形态学的分 割技术，基于统计模式识别的分割技术，基于神经网络的分割技术，基于信息论 的分割技术，基于模糊集合和逻辑的分割技术，基于小波分析和变换的分割技术， 基于遗传算法的分割技术等，基于数学形态学分割技术的基本思想是用具有一定 形态的结构元素去量度和提取图像中的对应形状以达到对图像分析和识别的目 的。基于统计模式识别的分割技术的基本思想是将图像中的像素根据测量结构分 为不同的类，每个类都有相似或相近的特征，然后通过学习或训练，将图像分为 不同的目标。基于神经网络的分割技术的基本思想是通过训练多层感知机来得到 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。基于信息论 的分割技术引入了熵的概念，大部分算法借助了求熵极值的技术来达到分割的目 的。基于模糊集合和逻辑的分割技术是以模糊数学为基础，利用隶属度来解决图 像中由于信息不全面、不准确、含糊、矛盾等造成的不确定性问题，该技术在医 学图像分析中有广泛的应用。基于小波分析和变换的分割技术是借助新出现的数 学工具小波变换来分割图像的一种技术，也是现在非常新的一种技术。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。基于遗 传算法的分割技术的基本思想是利用遗传算法具有能是一种迭代式优化算法并具 有全局搜索能力的优点，帮助确定分割阈值。 近来提出的基于信息融合技术的彩色图像分割技术【1 6 l ，用树型小波来提取纹 1 0 第二章图像分割一般理论和常用技术 理特征进行纹理图像分割的技术f 1 5 1 ，基于小波包分解自适应g a b o r 函数设计的纹 理分割算法，图像序列的特征聚类分割技术，基于有偏场的适配模糊聚类分割算 法【1 7 】，新的基于图像间模糊散度的阈值化算法以及它在多阈值选择中的推广算法 等，都是各学科的新理论在图像分割技术中的应用及改进，为图像分割技术的研 究提供了更广阔的方向。 2 6 传统分割技术的优点与缺陷 以上的各种图像分割技术在对具体的图像分割中产生了良好的效果，如边界 检测技术中的s o b e l 模板算法，l a p l a s 模板算法以及曲线拟合法在单纯的边界检 测中取得了良好的效果，现在已经被大量的图像研究人员所采用，区域分割法中 的区域增长法和分裂合并法在处理大目标的情况下令人满意的结果，并且原理易 懂，也便于操作与实现。但是，以上的图像分割技术都是以图像本身为出发点的 分割技术，重点考虑图像的实际内容，而忽视人的实际观察和需要，如边界的分 割技术对边缘的提取有良好的效果，但在图像内容的处理情况上却没有考虑观察 者或接收者的实际需求和重点所在，区域分割技术中的分裂合并法会造成过多的 图像分块和难以避免的未合并的同种目标，给观察者虚假的目标形状，造成错误 的判断，在模式识别时，极大的降低了目标识别的准确性；数学形态学的技术如 分水岭的图像分割技术，分割太细致，需要的时间极长，对资源的要求也比较高， 在实际的应用有过分割的毛病，所以图像分割一般不选取。在上述的图像分割技 术中都只是单一的将图像的区域或者边界分割出来，没有同时考虑观察着的具体 观测过程和接收者的实际需求( 因为观察者对图像进行观察时，对空间存在域和 图像的具体内容都有需求) ，造成分割功能的单一，而人作为图象处理的最终观 察者和评价者，人的视觉特性在图像分割中具有重要的作用。 在以后的章节里，本文将从人眼的视觉特性出发，提出了一种与人的实际观 察需求相结合的图像分割技术。它采用图像像素的视觉矩特性或者彩色图像的颜 色的矩特性来表征图像的视觉( 颜色) 区域，从视觉矩的角度对图像进行分割， 克服了以往在图像分割技术中的只考虑图像自身情况而忽略观察者的实际需求的 缺点，使图像的分割更好的满足人的视觉观察，体现图像检测与分割中的人的作 用；为视频图像的压缩编码与高速传输打下良好的基础，有利于提高多媒体通信 的实用信息传输率。 电子科技大学硕士学位论文 本章小结 本章重点分析了一般图像处理中经常使用的分割技术如边缘检测技术、区域 检测的技术以及以他们为基础所衍生出的各种各样的图像检测与分割技术。讲述 这些分割技术的基本思想和算法的优点以及各自使用时对图像信息的要求和最适 用的场景。最后，说明各种检测技术的不足是他们的处理图像的出发点仅仅以图 像本身情况为最终的目标，而没有考虑作为观察者的人的视觉感受，在分割中必 然忽视人的因素，必然带有一定程度的盲目性。为克服一般分割技术所带来的盲 目性，从而提出一种以人眼视觉特性为基础的图像检测分割技术。 第三章目标图像视觉特征和矩描述 第三章目标图像视觉特征和矩描述 3 1 人眼视觉特性 在日常生活中，人们观察视频图像的时候，在接受目标信息之前并不知道目 标的形状，也不知道目标是什么，更不会知道目标中的各种像素的特征和概率分 布状况，然而，人眼依然能够识别目标并能够将目标与背景分割开来，依靠的是 对被观察对象的宏观的认识和感应，这种认识和感应与眼睛的视觉特性有很大的 关联，本节讲述眼睛的视觉特性和以视觉特性为基础的认识过程。 3 1 1 人眼的视觉特性基础 人眼是人类认识世界的重要生理器官，人眼的视觉细胞在事物成像的过程中 有重要的作用，因为视细胞受到光的刺激产生电脉冲，电脉冲沿着神经纤维传递 到视神经中枢，由于各细胞产生的点脉冲不同，大脑就形成景象的感觉。人的视 觉有下面的特性【1 8 】：( 1 ) 分辨力，就是区分两发光点的能力，与两相邻点的视角 有反比的关系，视觉分辨力与背景亮度、被观察物体的运动速度以及颜色有关。 当背景太亮，以致与物体亮度接近时，分辨力降低；当物体运动速度增加时，分 辨力降低；人眼对彩色的分辨力比亮度的分辨力要差。( 2 ) 亮度对比效应：实验 表明人眼辨别亮度差的能力是同周围环境以及照度本身的大小有关系，通常情况 下，亮度适中的时候，人眼可以分辨的阈值比较大，而亮度过大或过小的时候， 人眼的分辨能力相对下降。( 3 ) 面积对比效应：相同颜色、亮度，不同面积的两 个彩色区域，面积大的一块给人以亮度和饱和度都强一些的感觉，这就是面积对 比效应。( 4 ) 可见度阈值：可见度阈值是指正好可以被看到的干扰值，低于该阂 值的干扰是看不出来的。实验表明：当某像素的邻近像素有较大的亮度变化时， 可见度阈值会增加。对于一条亮度变化大的边缘，在边缘处的阈值比离边缘较远 处的阈值要高，这就是说，边缘掩盖了边缘邻近像素的干扰，称之为视觉掩盖效 应。还有其他的视觉特性，如彩色饱和度对比效应、彩色色调对比效应、马赫带、 视觉惰性等。 电子科技大学硕士学位论文 3 1 2 人眼的相关视觉特性 人眼视觉成像系统是自然界中最复杂最有效的彩色图像采集和处