（电机与电器专业论文）基于小波分析的图像增强与分割方法研究.pdf

南昌大学硕士学位论文 a b s t r a c t i m a g es e g m e n t a t i o n ，w h i c h i st os e g m e n to b j e c t sa n db a c k g r o u n di ni m a g ef r o mo n e a n o t h e r , i sa ne s s e n t i a la n di m p o r t a n tt o p i ci ni m a g er e c o g n i t i o na n di m a g eu n d e r s t a n d i n g i n r e c e n ty e a s ，m u l t i r e s o l u t i o ni sb e i n gi n c r e a s i n g l yu s e di ni m a g ep r o c e s s i n ga n dc o m p u t e rv i s i o n a n di ti sa l s oan e we f f e c t i v ew a yt os o l v et h ep r o b l e mo fi m a g es e g m e n t a t i o n ，a s m a t h e m a t i c a l m i c r o s c o p e ”，w a v e l e ta n a l y s i sb e c o m ea l ln e wt o o lt os i m u l a t ev i s u a lp e r c e p t i o no f m u l t i s c a l e f b ri t sf e a t u r eo f m u l t i r e s o l u t i o nf r o mc o a r s et of i n e t h i sp a p e ri m p r o v e do ni m a g eo fw a v e l e tp a c kt r a n s f o r mw h i c hh a sb e e nd e p e n dc h a n g eo f w i n d o w ，i ti sb a s e do nc o l l i g a t i o ni m a g es e g m e n t a t i o n ，i ti su t i l i z e dm e t h o do f w a v e l e t t r a n s f o r ma n d s p e c i a lr e p r e s e n t a t i o n o ft h ew a v e l e ta n a l y s i s w ep r o p o s ea i m a g e s e g m e n t a t i o nw h i c hh a sc o m b i n e dw a v e l e tp a c ka n da r i t h m e t i co fe n e r g ye x a m i n e ，w i t he n e r g y e x a m i n e i th a sc h a n g e dl o c a l i z a t i o nw i t he n e r g ye x a m i n e ，i ti sam o d i f i e dw a v e l e tt r a n s f o r m ， w h i c hi ss u i t a b l et op r o c e s sn o n - s t a t i o n a r ys i g n a lb u tc a l lp e r f o r m sf u r t h e rd e c o m p o s i t i o no n l yi n l o wf f e q u e n c y w i t ht h ew a v e l e tp a c k e tt r a n s f o r m ，w ea r ea b l e t oz o o mi n t oa n yd e s i r e d f r e q u e n c yc h a n n e l sf o rf u r t h e rd e c o m p o s i t i o n t h em a i nr e s e a r c hr e s u l t si nt h i sp a p e rw e r ea sf o l l o w s ： t h ed i f f e r e n td i s t r i b u t i o no fi m a g es i g n a la n dn o i s ev e r s u sw a v e l e tc o e f f i c i e n t w e r e d i s c u s s e d t h i sr e s e a r c hp r o v i d e dt h et h e o r yb a s i sf o rs e p a r a t i n gs i g n a lf r o mn o i s eb yt h r e s h o l d a ns a t f - a d a p t i v el o c a lt h r e s h o l d s c h e m ew a sp r o p o s e d i nc o m b i n a t i o nw i t hn a t u r a l c h a r a c t e r i s t i c so fi m a g e ，t h es i 掣面c o u l db ed i s t i n g u i s h e di nw a v e l e tt r a n s f o r m ，t h ee d g eo f i m a g ec o u l db ee n h a n c e dw i t ha d j u s t i n gf a c t o r s i m u l a t i o nr e s u l t sw e r ep r o v i d e di nt h i sp a p e r s a t i s f y i n gr e s u l t sw e r eo b t a i n e di nn o i s es m o o t h i n g ，w i t hi m a g ee d g ea n do t h e rm a i nf e a t u r e s b e i n gr e t a i n e d t h ea d v a n t a g e sa n dd i s a d v a n t a g e so fw a v e l e tt r a n s f o r ma n dw a v e l e tp a c k e t t r a n s f o r mw e r ea n a l y z e d ，a l li m a g es e g m e n t a t i o nm e t h o dw a si m p r o v e dw i t ht h eb a s i so fa w a v e l e tt r a n s f o r mp a c k e t s i m u l a t i o nr e s u l t sw e r ep r o v i d e di nt h i sp a p e rt h er e s e a r c hr e s u l t s p r o v e dt h ee f f i c i e n c yo f t h em e t h o d k e yw o r d s ：i m a g es e g m e n t a t i o n ，i m a g ee n h a n c i n g ，w a v e l e t t r a n s f o r m ， w a v e l e tp a c ka n a l y s i s i i 独创性声明 聊8 9 8 7 5 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，也不包含为获得南昌土学或其他教育机 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 均已在沦文中作了明确的说明并表示谢意。 一 学位论文作者签名：岛譬匣 签字日期：声一( ，年6 月日 学位论文版权使用授权书 本学位论文作者完全了解 壹量叁鲎 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。本人授权南昌大学可以将学位论文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适用本授权书) 学位论文作者签名： 泵字陡 签字目期：争一，年# 月f 目 学位论文作者毕业后去向 工作单位： 通讯地址： 导师签名： 签字目期： 电话 邮编 日旷歹月 ， 6 彩年印肿 基于小波分析的图像增强与分割方法研究 第一章绪论 1 1 课题研究背景及选题的意义 信息处理、计算机和通信技术的发展极大地改善了人类的生活面貌，而社 会的需要又成了这些技术发展的巨大动力。作为信息处理技术中的重要组成部 分，数字图像处理、分析与理解技术是这一领域里最重要和最活跃的研究课题 之一。自它诞生以来，因其在改善图像质量、提高视觉效果显著、增强存储和 传输信息能力等方面的巨大替力，已广泛应用于国防和国民经济建设的许多领 域。近些年来，随着工农业、医学、军事等领域自动化和智能化需求的迅猛发 展，对图像处理技术的要求也越来越高。其中，对图像的自动识别与理解就是 一项重要任务。它是对一幅图像进行处理，按照某种算法把图像戈 j 分为若干有 意义的区域并提取一定的区域特征，将图像中人们感兴趣的目标分离出来或对 目标的各种特征进行分析，而后根据分析的结果判断其类型。在这个过程中， 对图像进行分割来提取目标是关键步骤之一，如果得不到合理的图像分割图， 也就无法对图像进行正确的识别与理解。简单说来，图像分割( i m a g e s e g m e n t a t i o n ) 就是把图像中的物体与背景或物体与物体分割开。在有关图像 分割技术的文献中，由于不同领域的侧重点不同，这项技术有时也以诸如边缘 检测技术、闽值化技术、目标检测技术、目标轮廓技术等提法出现。3 。 图像分割技术在实际应用中具有重要意义。在医学领域、空间探测与遥感 图像分析、导弹制导与军事目标自动识别、指纹或入脸的鉴别、工件检铡与工 业自动化、邮件自动分检与邮政自动化等领域，图像分割技术已经或将会发挥 重要作用。例如在医学领域中，如今医学临床和手术环境中的许多应用均需要 从三维医学图像得到解剖结构或病理组织的精确三维模型。如进行病理或正常 组织的量化研究，以及与其它可视化技术结合，制定术前和术中交互的手术计 划等，均要求能够从c t 、m r t 或超声等腰三角形各种图像模态中分离出解剖结 构或把损害的位置和形状分割标识出来。1 。由于手工分割对操作者的依赖性强， 既耗时费力，又可能丢失大量有用信息，因此，研究计算机自动或半自动的图 像分割方法是非常重要的。又如在军事目标自动识别领域，经过军事侦察、卫 南昌大学硕士学位论文 星遥感等途径获得的目标图像，若能利用计算机将这些图像中的目标自动快速 准确地分割出来，将为接下来的目标定位、目标跟踪以及实时打击提供有力的 依据。再比如在邮政领域中的大型邮件自动分检中，需要先将信封图像分割成 小的连续性区域，再利用区域的位置、大小和像素密度等几何特征选择地址块 分割成单个邮政编码的数字。另外，在多媒体技术日益发展的今天，图像分割 成为新出现的基于内容的图像处理技术( 如基于内容的图像压缩与图像存储技 术) 的关键步骤之一。如在图像视频信号的浏览与检索的研究中，近年来先后 出现了基于区域和目标物体特征的新检索方法，而在这类方法中首先需要把感 兴趣目标从图像中分割出来。总而言之，只要是在需要对图像目标进行提取、 测量等的地方都离不开图像分割。 图像分割作为一种重要的图像技术，得到人们广泛的重视和研究，它始终 是图像科学研究中的热点和焦点之一。然而，实践证明对图像进行有效的分割， 特别是在复杂自然背景下分割目标，难度是很大的。对图像分割理论与技术的 进一步研究具有非常重要的意义。 近年来，利用多分辨率技术处理和分析图像的方法受到人们的高度重视。 这是因为：( 1 ) 随着科学技术的发展，我们可以获得分辨率越来越高的图像， 它包含丰富的信息，有利于解释和应用，但同时也带来了新的问题 1 ，突出表 现在：随着图像分辨率的提高，图像尺寸变大、处理时间增加，实时处理的难 度增大，图像传输和存储的负担加重。( 2 ) 图像中区域、线等图像事件是人们 所感兴趣的，而它们通常发生在不同的空间范围上。图像的单一分辨率处理和 分析已经不适合于应用的需求。所以，深入、系统地研究图像的多分辨率处理 和分析具有非常重要的价值。 小波变换( w a v e l e tt r a n s f o r m ) 理论恰恰是对信号进行多分辨分析的重要 数学工具，它天生就具有多分辨特性“。它对不同的频率成分在时域上的取样 步长具有调节性，高频者小，低频者大。因此，小波变换能够把信号分解成交 织在一起的多种尺度成分，并对大小不同的尺度成分采用相应粗细的时域或空 域采样步长，从而能够聚焦到对象的任意微小细节，具有“数学显微镜”的美 誉。小波分析已经和将要广泛地应用于理论数学、应用数学、天体物理、信号 处理、图像处理与分析、语音识别与合成、医疗等众多领域。 基于小波分析的图像增强与分割方法研究 目前，人们也在积极探讨小波变换在图像分割中的应用。深入研究如何利 用小波变换的性质进行区域分割的方法无论是在学术上，还是在民用和军用领 域中都具有重要的意义和很大的发展潜力。 1 2 图像增强技术的发展概述 本小节简要介绍图像与图像增强的基本概念及图像增强技术发展的概况。 1 2 1 图像与图像增强的基本概念 现实生活中图像的种类很多，如光强度( 视觉) 图像、景物深度图像、核 磁共振图像、红外温度图像等。通常，所有的图像都可以用一个二维函数f ( x ，y ) 来描述。其中，( x ，y ) 表示空间中的一个位置，f ( x ，y ) 表示该点的特征值。对 于不同的图像，特征值代表的意义不同，可以是可见的强度、深度、电磁波的 强度或温度等。 对于模拟图像来讲，f ( x ，y ) 是连续函数。为了适应数字计算机的处理，必 须对连续图像函数进行空间和幅值的数字化。空间坐标( x ，y ) 的数字化称为图像 采样，而幅值数字化称为灰度级量化。经过数字化的图像称为数字图像。我们 可视数字图像为一个二维知阵，矩阵中某列处的元素称作像素点，该元素的值 表示该像素点的特征值。因此，一个灰度图像可以表示为： f 肌“= f ( x ，y ) ” 其中，m x n 是图像的大小，函数f ( x ，y ) c 0 ，1 ，一，l 一1 ) ，是一个离散的特 征值，其中l 是图像的灰度级。当灰度级只有两级时，该图像被称为二值图像。 彩色图像常用三原色( r ，g ，b ) 三个矩阵表示，也可以组成混合矩阵。 在各类图像系统中，图像的传送和转换，如成像、复制、扫描、传输及显 示等腰三角形，总要造成图像质量降低。图像增强是改善图像质量的方法之一。 图像增强技术是不考虑图像降质的原因，只将图像中感兴趣的特征有选择 地突出，而减其不需要的特征，故改善后的图像不一定要去逼近原图像。从图 像质量评价观点来看，图像增强的主要目的是提高图像的可懂度。目前常用的 增强技术根据其处理所进行的空间不同，可分为基于图像域的方法和基于变换 域的方法。第一类，直接在图像所在空间进行处理，也就是在像素组成的空间 里直接对像素进行操作，如图像的灰度变换、直方图修正、图像空域平滑和锐 南昌大学硕士学位论文 化处理；第二类，在图像的变换域对图像进行间接处理，如先对图像迸行变换， 再对图像的频域进行滤波处理，最后将滤波处理后的图像变换值反变换到空间 域，从而获得增强后的图像。另外，在第一类方法里还可分为两组：一是基于 像素f 点) 的，也就是对图像的每次处理是对每个像素进行的，增强过程对每个 像素的处理与其它像素无关；二是基于模板的，也就是对图像的每次处理是对 小的子图像f 模板) 进行的。 1 2 2 现有图像增强方法概述 图像去噪和增强方法主要分为点运算：空域滤波：频域滤波和空频域处理几 个大类： 1 ) 点运算 点运算相对来说比较简单。包含直方图均衡，图像相减和图像平均等方法。 其中，直方图均衡常常用来改善图像的对比度，将经过调整的图像光强值尽盘 可能的均匀分布于整个可用的灰度区域中。 对于图像相减，它用于去除幅图像中所不需要的加性图案，加性图案可能 是缓慢交化的背景阴影、周期性的噪声，或在图像上每个像素处均已知的附加污 染等，也可以用于检测同一场景的两幅图像之间的变化。以医学图像中的一个应 用为例，将身体某部分的医学图像作为研究对像在注入特殊感光化学液体到血管 中所得的画面与其相减，将相减后的图像连续播放，就可以看出这些化学液体是 如何在血管中流动了。 面图像平均则尤其适用于受均值为零的高斯噪声影像的图像，对同画面多 取几幅图像，再取其平均，由于求平均的作用可抵消噪声效应，所以比较简单的 就达到了去噪的效果。 2 ) 空间滤波 所谓空域滤波就是采用模板逐点对图像作处理，是榴对于采取傅立时等变换 所得的频域滤波的方法而言的，主要可以分为平滑滤波和锐化滤波两类。它们的 基本特点都是让图像在傅里叶空间的某个范围的分量受到抑制，而让其他分量不 受影响。从而改变输出图像的频率分布。达到增强的目的。( a ) 平滑滤波，平滑 滤波器本质上是一个低通滤波器，它可以取出妨碍重要特征抽取的细节并且使断 线相连，对脉冲型的高频噪声降嗓效果较好。常用豹平滑滤波法有邻域乎均法和 4 基于小波分析的图像增强与分割方法研究 中值滤波等。就邻域平均法而言，应用图像相邻像素间存在高度的相关性，而噪 声是统计独立的。图像的每像素的灰度值用其周围某一区域内各像素的灰度平 均值替代，从而实现其图像的低通滤波，滤去噪声。这种用于图像处理的区域滤 波器采用低通滤波器能滤去噪声，但使图像的边缘区域轮廓模糊，若采用高通滤 波器能保持边缘轮廓清晰，并且还能提高图像的空间分辨率，但同时也增强了噪 声。与邻域平均法相比，中值滤波可以避免将图像边缘轮廓变的模糊。它能够将 运算窗内( 窗长为p ) 所有象素数小于( p 一1 ) 2 的结构( 如线、点、角) 完全被消除， 而明暗的突变过渡( 例如边缘) 则会被保留下来，也就是说该方法保持阶跃式光强 过渡的性能比较好，特别适用于存在胡椒粉式或脉冲式噪声的图像增强中。( b ) 锐化滤波，锐化滤波本质上是一个高通滤波器，主要来使图像的细节或者边缘更 加显著，从而达到图象增强的目的以典型的高通滤波器模板为例，当模板中心 点对应具有较大灰度的象素时，经滤波后，象素与旁边象素之间的灰度差异会被 放大，反之，输出将很小。常用的算子有r o b e r t s 算子、s o b e l 算子、k i r s e h 算子 和算子等等。 3 ) 频域滤波 频域滤波简单说来就是在对图像进行傅立叶变换之后，根据具体需要进行滤 波处理，然后将处理后的图像反变换回空域。 4 ) 空频域滤波 与前面两种方法相比，空频域滤波将图像的空域和频域特征结合了起来，不 再单单从空域，或者单单从频域出发，是图像增强研究的一个新趋势，应用小波 变换进行图像增强就属于这类方法。本文的第三章重点分析小波变换图像增强， 并结合图像的自身的特点来提高图像的质量。 1 3 图像分割技术发展概况 在对图像的研究与应用中，人们往往只对图中的某部分感兴趣，这些部分 常称为目标或前景，而其它部分称为背景。进行图像分割就是要把图像分成各 具特性的区域并把目标提取出来，其目的正是为了图像中的目标识别、分析及 测量等。由上节对图像处理、识别与理解的介绍中可以看出，图像分割是图像 识别与理解的一项基本的，同时也是关键的处理步骤。图像分割作为一种重要 南昌大学硕士学位论文 而关键的图像分析技术，多年来一直是图像技术研究中的热点和焦点。 1 3 1 图像分割的基本概念 所谓图像分割，就是按照定的规则将一幅图像分成若干部分或子集的过 程。简单的说，就是把图像中的物体与背景或物体与物体分割开。图像分割在 本质上来说，就是找出空域像素与满足一定均一性的区域之间对应关系的过程。 每一幅图像都有着不同的图像特征。图像的特征是指图像中可用做标志的 属性，通常可以分为图像统计特征和图像的视觉特征。图像的统计特征是一些 人为的特征，需要通过某种变换才能得到，如图像的直方图、矩、频谱等；而 图像的视觉特征是指人的视觉可以直接感受到的自然特征，如图像区域的亮度、 轮廓以及纹理等。区别一幅图像中不同的区域，正是根据不同区域所具有的某 种图像特征的不同，而在同一区域中，则具有某种相同的区域属性特征。图像 分割就是按照区域属性特征一致的准则，把图像分解成一系列有意义的目标或 区域的过程。这些区域是互不相交的，每一个区域都满足特定区域的一致性。 用数学语言来描述，图像分割就是按选定的区域特征一致性准则p ，将图像x 划分为互不交迭的区域集鹕，s ：，s 。) 的过程。这个划分过程满足下述四个条 件： x = u s 1 1 = 1 s ，n s ，：中对所有i j j p ( s ) = t r u e 对所有i 尸( 墨u s j ) = f a l s e 对所有i j ： s i ，s j 相邻 上式中p ( 1 表示一组相邻的像素所定义的一种相似性。 图像分割中对于区域属性特征的选择依赖于待分割图像的具体情况，主要 取决于各种图像的特征。例如，像元本身的灰度值是常用的特征；像元领域的 统计特征、纹理特征、彩色图像各个像元的红、绿、蓝三色的强度值等都可作 为区域属性特征。另外，还可以把待分割图像的各种先验知识，转变为区域特 征。分割一幅图像不一定只选用一种特征，有时可能选用多种特征，从而形成 “特征矢量”，以达到对图像更加完善的分割。 6 基于小波分析的图像增强与分割方法研究 1 3 2 图像分割技术的现状 关于图像分割技术，已经有相当多的研究成果和方法，特别是9 0 年代以来 出现的图像分割方法，不仅包括对原有方法的改进，还出现了一些新思路、新 方法，如小波变换边缘检测、分形图像分割、基于马尔科夫随机场模型的纹理 分割、模糊聚类与模糊边缘检测、基于人工神经网络的图像分割方法等。但这 些方法从根本上来说，可以归为三大类： 基于阂值的分割方法 基于边缘的分割方法 基于区域的分割方法 这是因为不管采用什么方法对图像进行分割，一般都是基于图像中相邻像 素在像素值方面的两个性质：不连续性和相似性。区域内部的像素通常具有某 种相似性，而在区域之间的边界上一般具有某种不连续性。所以分割方法可据 此分为利用区域间特征不连续的基于边界的方法和利用区域内特征相似的基于 区域的方法。 实际上，大多数新的分割方法是以这三类方法为基础演变而来的。如近些 年来提出的基于小波变换、分形理论、随机场理论、模糊技术、神经计算等新 理论的图像分割方法都是围绕着阈值的选取、边缘的检测、区域的分裂与合并 这些问题进行研究的。如小波变换边缘检测方法、分形图像分割、基于马尔科 夫随机场模型的纹理分割、模糊聚类与模糊边缘检测、基于人工神经网络的闽 值选取与边缘检测等等。 下面对图像分割方法进行了较为深入的研究，分析了各种分割方法的出发 点、基本原则、分割效果以及优缺点。在以下各小节将分别介绍图像分割的三 类基本方法，然后依次介绍纹理分割技术以及分形理论、模糊技术、神经计算、 数学形态学等新的理论在图像分割领域中的应用，最后介绍利用层次结构改善 分割效果的分割方法。对于小波变换技术在图像分割技术中的应用研究将专门 在以后章节中介绍。 1 基于阈值的分割方法 阈值分割技术就是简单的用一个或几个闽值将图像的灰度直方图分成两类 或几个类，认为图像中灰度值在同一个灰度类内的像素属于同一个物体。采用 阈值分割方法的实现相对简单，计算量小，稳定性较好，因此它是最基本、最 7 南昌大学硕士学位论文 简单和应用最广泛的方法。闽值分割不仅可以大量压缩数据，减少存储容量， 而且能大大简化在其后的图像分析和处理步骤。 闽值分割技术主要是基于图像的灰度特征，以灰度直方图为基础，采用区 域灰度相似性准则分割图像。阈值分割的基本原理，可用下式做一般表示： g ( x ，y ) ： 辱5z l 研究将不同的分割算法有效结合的组合算法。人们逐渐认识到，如同人 的视觉是通过大量的知识进行综合分析、推理而得以完成认识工作一 样，对图像的分割也应进行综合分析。单从某一方面、某一角度去分析， 其处理结果往往是有缺陷的。对较为复杂的图像来说，单一采用一种图 像分割算法一般难以取得令人满意的分割效果，因而将几个具有不同特 点的算法融合起来，集各算法之所长，抑各算法之不足，从而达到最有 效的分割识别目标的目的通常是行之有效的。而多种分割算法采取什么 样的结合方式才能体现各种方法的优点，取得好的效果，是其关键所在。 进一步研究针对特定领域的图像分割方法。人们大量的研究表明，对图 像分割问题给出一个通用的解决方法至少在目前看来还是一个无法实 现的难题。对特定图像的分割采用特定的方法，以便充分利用各个领域 的先验知识，往往能达到较为理想的分割效果。 基于小波分析的图像增强与分割方法研究 探索新的有效的图像数据结构表示。图像所采用的数据结构可以抑制或 增强图像的某些特征。显然，一个算法若采用良好的数据结构，会大改 善其性能。如在图像分析的变分辨率处理中，用层次结构就是一种有效 的数据结构形式。它能较好的表示复杂图像中各目标、区域的特征，并 能体现其相互关系，因此对图像数据结构的研究也是图像分割技术研究 的重要一方面。 1 6 主要研究内容 首先对图像去噪声，讨论了使用不同小波基对去嗓效果的影响。然后讨论 了图像信号和噪声在小波系数上的不同分布，为在小波变换域中利用阈值设置 来区分二者提供了理论依据。为此在上面讨论的基础上提出了一种具有自适应 性的图像去噪方法，结合图像的自身特征对噪声和信号加以区分，通过调整因 子的设置增强图像边缘。对提出的去噪方法进行了实验仿真分析，取得了较好 的增强效果，在降噪的同时保持了大部分细节及边缘信息。分析小波变换和小 波包变换的优缺点，改进了一种基于小波包变换的图像处理方法，结合能量检 测算法来改变以前小波包依赖窗口大小局限性。并对改进后的方法进行了仿真 分析，取得了较好的分割效果。 2 l 南昌大学硕士学位论文 参考文献： 1 章毓晋图像处理和分析 m 清华大学出版社，2 0 0 3 2 严学强，叶秀清，刘济林等基于量化图像直方图的最大熵阈值处理算法 j 】 模式识别与人工智能，1 9 9 8 ，1 1 ( 3 ) ：3 5 2 - 3 5 8 【3 】薛景浩，章毓晋等基于最大类间后验交叉熵的阈值化分割算法 j 中国图象图形学 报，1 9 9 9 ，1 0 ( 6 】：1 1 1 。1 1 4 4 】俞勇，施鹏飞，赵立初等基于最小能量的图像分割方法e j 红外与激光工程， 1 9 9 9 ，2 8 ( 4 ) ：2 0 2 7 5 任明武，杨静宇渤涵等一种基于边缘模式的直方图构造新方法川计算机研究与发展， 2 0 0 1 3 8 ( 8 ) ：9 7 2 9 7 6 6 程杰种基于直方图的分割方法 j ，华中理工大学学报，1 9 9 9 ，2 7 ( 1 ) ：2 0 - 2 3 7 1 付忠良基于图像差距度量的阈值选取方法 j 】计算机研究与发展2 0 0 1 ，3 8 ( 5 ) ：5 6 3 5 6 7 8 华长发，范建平，高传善等基于= 维熵闽值的图像分割及其快速算法 j 】模式识别与 人工智能，2 0 0 0 ，1 3 ( 1 ) ：4 2 - 4 5 【9 赵雪松，陈淑珍等综合全局二值比与边缘检测的图像分割方法【j 】计算机辅助设计与 图形学学报，2 0 0 1 ，1 3 ( 2 ) ：1 1 8 - 1 2 1 【l o 靳宏磊，朱蔚萍，李立源等二维灰度直方图的最佳分割方法阴模式识别与人工智 能，1 9 9 9 ，1 2 ( 3 ) ：3 2 9 - 3 3 3 【l l 】乐宁，梁学军，翁世修等图像过渡区算法及其改进【j ，红外与毫米波学报2 0 0 1 ，2 0 ( 3 ) ：2 1 1 1 【1 2 】任明武，杨静宇，孙涵等一种基于边缘模式的直方图构造新方法阴计算机研究与 发展，2 0 0 1 ，3 8 ( 8 ) ：9 7 2 9 7 6 1 3 】c h e n z i _ k u a n ，t a o y a n g ，c h e n x i n ，e t a l w a v e l e tb a s e da d a p t i v et h r e s h o l d i n gm e t h o d f o ri m a g es e g m e n t a t i o n j 】o p t i c a le n g i n e e r i n g , 2 0 0 1 ，4 0 ( 5 ) ：8 6 8 8 7 4 1 4 赵初，王纯等模糊边缘检测方法【j 】模式识别与人工智能，1 9 9 9 ，1 2 ( 1 ) ：7 9 8 4 1 5 金立左，夏良正等图像分割的自适应模糊阈值法 j 】中国图象图形学报， 2 0 0 0 ，5 ( 5 ) ：3 9 0 - 3 9 5 1 6 】王培珍，杜培明等一种用于多闽值图像自动分割的混合遗传算法啊中国图象图形 学报，2 0 0 0 5 ( 1 ) ：4 4 4 7 1 7 】黎恒，赖声礼等基于小波变换和动态聚类的图像分割方法川，华南理工大学学报 1 9 9 9 ，2 7 ( 8 ) ：5 4 5 8 18 】c h e n z i k u a n ，t a o y a n g ，c h e n x i n ，e t a l w a v e l e t _ b a s e da d a p t i v et h r e s h o l d i n gm e t h o d f o r i m a g es e g m e n t a t i o n j o p d c a le n g i n e e r i n g ，2 0 0 1 ，4 0 ( 5 ) ：8 6 8 - 8 7 4 【1 9 】赵立初，王积分等基于小波分析的图像自适应阈值选择 j 】模式识别与人工智能， 1 9 9 9 ，1 2 ( 1 ) ：7 9 8 4 【2 0 】杨波，徐光等基于分形特征的自然景物图像分割方法f j 】中国图象图形学报， 1 9 9 9 ，4 ( 1 ) ：7 1 1 ， 2 1 】陈向东，常文森等基于小渡变换的图像分数维计算方法 j 】计算机应用研究， 1 9 9 8 ，2 ( 1 ) ：4 5 - 4 7 2 2 】徐蔚然，孔祥维等基于语法、语义信息的多滤波器集成边缘检测【j 】模式识别与人工 智能，2 0 0 1 ，1 4 ( 4 ) ：4 8 1 - 4 8 5 茎主尘堡坌堑塑图堡塑望皇坌量! 立鲨型塞 2 3 】宋焕生，刘春阳，吴成柯等多尺度脊边缘及其在图像目标分割中的应用 j 1 自动化学 报，1 9 9 9 ，2 5 ( 6 ) ：1 2 1 5 2 4 】张静，王宏刚，王涌天等一种边缘提取的图像分割方法【j 】光学技术，2 0 0 1 2 5 】林峰，刘政凯等 基于图像分割的人眼边缘提取方法研究 j 计算机应用研究， 2 0 0 0 ，8 ( 3 ) ：1 0 0 1 0 3 2 6 】殷德奎，张保民，柏连发等一种热图像的多模板边缘检测方法 j 】南京理工大学学报， 1 9 9 9 ，2 3 ( 1 ) ：1 6 - 2 0 2 7 】张斌，朱正中等基于边缘轮廓信息的多源遥感图像分割 j 中国图象图形学报， 2 0 0 3 ，3 ( 5 ) ：8 3 0 - 8 3 5 2 8 王宇生，h 佳俊，陈纯等一种基于积分变换的边缘检测算法【j 中国图像图形学报， 2 0 0 2 ，7 ( 2 ) ：1 4 5 - 1 4 9 【2 9 梁毅军，贺朋令，蔡元龙等用于图像边缘检测的bd 模式及其快速算法 j 模式识别 与人工智能，1 9 9 8 ，1 1 ( 4 ) ：4 3 4 - 4 4 1 【3 0 戴青云，余英林等数学形态学在图像处理中的应用进展 j 控制理论与应 用，2 0 0 1 ，1 8 ( 4 ) ：4 7 8 - 5 0 0 f 3 1 】周凌翔，顾伟康等最佳边缘检测的准则与算子 j 】模式识别与人工智能，1 9 9 8 ，1 1 ( 1 ) 5 4 6 1 3 2 】g a l a m b o s c ，k i t t l e t l ia n d m a t a s j g r a d i e n tb a s e dp r o g r e s s i v ep r o b a ll i s t i c h o u g ht r a n s f o r m j 】i m a g es i g n a lp r o c e s s ，2 0 0 1 ，1 4 s 0 ) ：1 5 81 6 5 3 3 1 王广君，田金文，柳健等基于四叉树结构的图像分割技术 j 】华中科技大学学报， 2 0 0 0 ，( 2 ) ：1 2 1 6 f 3 4 】刘宁宁，田捷等基于区域特征的交互式图像分割方法及其应用【j 软件学报， 1 9 9 9 ，1 9 ( 3 ) ：1 0 - 1 8 【3 5 钱晓峰间伟等一种彩色图像区域分割及轮廓矢量化新方法 j 数据采集与处理， 1 9 9 9 ，1 6 ( 1 ) ：5 2 5 7 3 6 屈彬，王景熙等一种基于区域生长规则的快速边缘跟踪算法 j 】i 四) l l 大学学报， 2 0 0 2 ，3 4 ( 2 ) ：1 0 - 1 4 3 7 1 王楠，黄养成等一种改进的彩色图像区域分割和边缘提取算法阴指挥技术学院学 报，1 9 9 9 ，1 0 ( 4 ) ：2 1 _ 2 5 3 8 陆宗骐，粱诚等灰阶边缘的细化 j 】小型微计算机系统，2 0 0 3 ，2 4 ( 1 ) ：1 0 7 1 1 2 3 9 魏宝刚，鲁东明，潘云鹤等 多颜色空间上的交互式图像分割 j 计算机学 报，1 9 9 9 ，2 4 ( 7 ) ：7 7 0 - 7 7 5 4 0 1l o r e n zt h o m a s s e t _ v a l u e dm a p s f o r i m a g es e g m e n t a t i o n j c o m p u t i n ga n d v i s u a l i z a t i o ns c i e n c e ，2 0 0 1 ( 5 ) ：4 5 5 7 4 1 】章毓晋数字图像处理图像处理和分析清华大学出版社1 9 9 9 4 2 章毓晋图象工程( 下册) 一图象处理和分析清华大学出版社1 9 9 9 【4 3 】徐建华图像处理与分析科学出版社1 9 9 2 d 4 t o d dr ar e v i e wo fr e c e n tt e x t u r e s e g m e n t m i o na n df e a t u r ee x t r a c t i o nt e c h n i q u e s c v g i p - 5 7 i m a g eu n d e r s t a n d i n g ( 3 ) 1 9 9 3 ：3 5 9 3 7 2 4 5 1 靳华等基于小波换和o d p s f 的纹理图象分割方法中国图象图形学 报2 0 0 0 ，1 0 ) ：8 5 7 - 8 6 0 4 6 夏良正数字图像处理东南大学出版社1 9 9 9 9 4 7 张济忠分形清华大学出版社1 9 9 5 4 8 g g m e d i o n ，y y a s u m o t o an o t eo nu s i n gt h ef r a c t a ld i m e n s i o nf o rs e g m e n t a t i o n i e e e 南昌大学硕士学位论文 c o m p e e rv i s i o nw o r k s h o p 1 9 8 4 2 5 3 0 4 9 】陈哲，冯天瑾基于小波分形特征提取的图像分割方法中国图象图形学报1 9 9 9 1 2 5 0 p a lnr ，p a lskar e v i e wo ni m a g es e g m e n t a t i o nt e c h n i q u e s p a t t e r nr e c o g n i t i o n 1 9 9 3 2 6 ( 9 ) ：1 2 7 7 - 1 2 9 4 【5 1 sk p a l ，i m a g ee n h a n c e m e n tu s i n gf u z z ys e t s e l e c t r o nl e t t 1 6 ，1 9 8 0 ：3 7 6 - 3 7 8 5 2 s k p a l i m a g ee n h a n c e m e n ta n dt h r e s h o l d i n gb yo p t i m i z a t i o no ff u z z yc o m p a c t n e s s p a t t e r nr e c o g n i t i o n1 9 9 4 2 7 ( 5 ) 6 5 9 - 6 7 3 5 3 】马颂德，张正友计算机视觉计算理论与算法基础科学出版社1 9 9 8 5 4 】h u a n glk ，w a n gm j 1 m a g et h r e s h o l d i n gb ym i n i m i z i n gt h em e m u r eo ff u z z i n e s s ， p a t t e mr e c o n g i t i o n 1 9 9 5 2 8 ( 1 、：4 1 5 1 5 5 t s a iw m o m e n t - p r e s e r v i n gt h r e s h o l d i n g ；an e wa p p r o a c h c v g i p 1 9 8 5 ，2 9 3 7 7 - 3 9 3 5 6 】j s h a h p a r a m e t e re s t i m a t i o nm u t i s c a l er e p r e s e n t a t i o na n da l g o r i t h m sf o re n e r g y m i n i m i z i n g s e g m e n t a t i o n p a t t e m r e c o g n i t i o n1 9 9 0 8 1 5 - 8 1 9 【5 7 】a o h o s h s e l f - o r g a n i z a t i o nf o ro b j e c te x t r a c t i o nu s i n gm u t i l a y e r sn e u r a ln e t w o r k sa n d f u z z i n e s sm e a s u r e i e e et r a n so nf u z ys y s t e m 1 f 1 1 1 9 9 3 5 4 6 8 5 8 v i n c e n tl s o i l ep w a t e r s h e d si nd i g i t a ls p a c e s ：a ne f f i c i e n ta l g o r i t h mb a s e do ni m m e r s i o n s i m u l a t i o n s i e e e t r a n so n p a r t e r r e r e c o g n i t i o n 1 9 8 5 ，4 1 - 4 4 5 9 c h a n d ab ，k u n d um k k , p a d m a h avy am u r i s c a l em o r p h o l o g i ce d g ed e t e c t o r p 甜e m r e c o g n i t i o n ，1 9 9 8 ，3 1 ( 10 ) 1 4 6 9 - 1 4 7 8 6 0 崔屹图象处理与分析一数学形态方法及应用科学出版社2 0 0 0 6 1 1 刘健勤，盛津芳，魏敏洁面向智能体的视觉信息处理科学出版社2 0 0 0 ( 6 2 】b u s t e rm ，c o m e l i sj ，r o s e n f e l da ac r i t i c a lv i e wo fp y r a m i ds e g m e n t a t i o na l g o r i t h m s p a t t e m r e c o g n i t