已阅读5页,还剩54页未读, 继续免费阅读
(计算机应用技术专业论文)图像分割算法研究及实现.pdf.pdf 免费下载
版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领
文档简介
中文摘要 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。对它的研究一直是图像技术研究中的热点和焦点,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挑战。 论文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。 为了实现对细胞图像的有效分割,论文对局部自适应图像分割算法进行了 改进。该算法首先把整幅图像分为若干子块,然后计算每个子图像的梯度直方 图,对每幅子图像进行最大类间方差分割,最后还考虑图像中噪声的影响,采 用形态学噪声滤波器去噪。实验结果表明,该算法对细胞图像细节有很好的区 分和分割,与传统方法相比,轮廓提取更为精确,且最大程度的保留了细胞内 部细胞核的轮廓,适用于背景和目标对比不是很明显和具有一定噪声的图像。 关键字:图像分割,边缘检测,阈值分割,小波变换 a b s t r a c t i m a g es e g m e n t a t i o ni sac r i t i c a li m a g ea n a l y s i st e c h n i q u e ,t h ep u r p o s eo fw h i c h s e p a r a t e st h eo b j e c ti n t or e g i o n sw i t hs p e c i a lc h a r a c t e ra n d e x t r a c t si n t e r e s t i n gr e g i o n , t h er e s u l to ft h ei m a g es e g m e n t a t i o ni st h eb a s i so ft h ef e a t u r ee x t r a c t i o na n dp a t t e r n r e c o g n i t i o n t h er e s e a r c ho ft h ei m a g es e g m e n t a t i o n i st h e h o ts p o ta n df o c u so ft h e i m a g et e c h n i q u e ,h u n d r e d so fa l g o r i t h m sh a v e b e e np r e s e n t e di n t h el i t e r a t u r e , a l t h o u g ht h o s ea l g o r i t h m sa l et os o m ee x t e n ts u c c e s s f u l ,i m a g es e g m e n t a t i o ni ss t i l l f a rf r o ms o l v e d ,t h er e s e a r c hi nt h i sa r e as t i l lf a c e sm a n yc h a l l e n g e s t h et h e s i sd e s c r i b e sw a y so fi m a g es e g m e n t a t i o n ,w es o r t st h r e ek i n d so fw a y s o fi m a g es e g m e n t a t i o n :f i r s t ,s e g m e n t a t i o nb a s e do ne d g ed e t e c t i o n ,t h eb a s i cf e a t u r e o fa ni m a g ei se d g e ,t h ef u n d a m e n t a lw a r r a n t i e so fe d g ep o i n tj u d g m e n ta r et h ef i r s t d e r i v a t i v e se x t r e m ev a l u ea n dt h es e c o n dd e r i v a t i v e sc r o s sp o i n to fi m a g ep i x e l s t h et h e s i ss e p a r a t e st h ec e l li m a g e s ,c o m p a r e st 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 fa v a r i e t yo fe d g ed e t e c t i o no p e r a t o rf r o mt h ea c t u a lr e s u l t s ;s e c o n d l y , s e g m e n t a t i o n b a s e do nr e g i o n ,i ft a r g e tp i x e l s g r a yl e v e lh a so b v i o u sd i f f e r e n c e sw i t hb a c k g r o u n d p i x e l s ,t h r e s h o l ds e g m e n t a t i o nw o u l db ea ne f f e c t i v ew a yt os e p a r a t et a r g e tf r o m b a c k g r o u n d ;t h es e e d e dr e g i o ng r o w i n gs e g m e n t a t i o na i m st of o r mas e g m e n t a t i o n a l e ab yc o n n e c tr e g i o n sw i t hs a m ef e a t u r e ;t h i r d l y , s e g m e n t a t i o nb a s e do nu s i n g s p e c i a lt o o l s ,t o o l sc o n c l u d ew a v e l e t ,m a t h e m a t i c a lm o r p h o l o g y , n e u r a ln e t w o r k sa n d f u z z yt h e o r y t h em e t h o do ft h ew a v e l e tc o m b i n gw i t hh i s t o g r a mi s r e s e a r c h e d , m a k i n gu s eo ft h em u l t i s c a l ec h a r a c t e ro fw a v e l e t ,w ec a nc h o o s e d i f f e r e n t t h r e s h o l d sa td i f f e r e n ts c a l e ,t h i sm a ym a k et h et h r e s h o l dm o r er e a s o n a b l e , e x p e r i m e n t a lr e s u l t ss h o wt h a tt h em e t h o dm a k e s t h es e g m e n t a t i o nh a v eg o o de f f e c t a c c o r d i n gt ot h es u r v e yt ot h et h r e ek i n d so fw a y so fi m a g es e g m e n t a t i o na n di m a g e a l g o r i t h me x p e r i m e n t ,is u m m a r i z e dt h er e l a t i v em e r i t so ft h e s et r a d i t i o n a li m a g e s e g m e n t a t i o na l g o r i t h m sa n da p p l i c a b l ee n v i r o n m e n t am o d i f i e dp a r t i a la d a p t i v es e g m e n t a t i o na l g o r i t h mw a sp r o p o s e dt os e p a r a t et h e c e l li m a g e se f f i c i e n t l y f i r s t ,i td i v i d e dt h ew h o l ei m a g ei n t os e v e r a lp a n s ,t h e n c o m p u t e dt h eg r a d sh i s t o g r a me a c hp a n sa n dp e r f o r m e d o t s us e g m e n t a t i o n ,a tl a s t ,i t c o n s i d e r e dt h ee f f e c to fy a w pi nt h ei m a g ea n dr e m o v e dt h ey a w pw i t hm o r p h o l o g i c l l y a w pf i l t e r t h ee x p e r i m e n t a lr e s u l t ss h o wt h a tt h ea l g o r i t h mc a nw e l ld i f f e r e n t i a t e a n d s e p a r a t ed e t a i lo ft h ec e l li m a g e ,c o m p a r ew i t ht h et r a d i t i o n a lw a y , t h er e s u l th a s am o r ea c c u r a t ee d g eo fc e l l s f i g u r ea n dm a i n t a i n st h e g r e a t e s td e g r e eo fn u c l e a r o u t l i n eo fc e l l s ,a n da p p l yt ot h ei m a g et h a ti n c o n s p i c u o u sb e t w e e n b a c k g r o u n da n d o b j e c t sa n db e i n gs o m ey a w p k e yw o r d s :i m a g es e g m e n t a t i o n ,e d g ed e t e c t i o n ,t h r e s h o l ds e g m e n t a t i o n ,w a v e l e t i u 武汉理工大学学位论文独创性声明及使用授权书 独创性声明 本人声明,所呈交的论文是我个人在导师指导下进行的研究工作及取得的研究 成果。尽我所知,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,也不包含为获得武汉理工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了谢意。 研究生( 签名) :蚕近近 日期 学位论文使用授权书 本人完全了解武汉理工大学有关保留、使用学位论文的规定,即:学校有权保 留并向国家有关部门或机构送交论文的复印件和电子版,允许论文被查阅和借阅。 本人授权武汉理工大学可以将本学位论文的全部内容编入有关数据库进行检索,可 以采用影印、缩印或其他复制手段保存或汇编本学位论文。同时授权经武汉理工大 学认可的国家有关机构或论文数据库使用或收录本学位论文,并向社会公众提供信 息服务。 , ( 保密的论文在解密后应遵守此规定) 研究生( 签名) :蚕丝丝 导师( 签日期幽:羔:! ! 注:此表经研究生及导师签名后,请装订在学位论文摘要前页。 武汉理工大学硕士学位论文 第1 章绪论 1 1 数字图像处理技术 图像处理技术一般分为两大类【1 】: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、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。 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 武汉理工大学硕十学位论文 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 ) 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 武汉理工人学硕+ 学位论文 1 2 图像分割及其研究意义 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,即具有一致性;而不同区域间像素的特征存在突变, 即具有非一致性。 从集合的角度出发,图像分割定义如下【2 j : 设整个图像空间为一集合j r ,根据选定的一致性准则p ,尺被划分为互不 重叠的非空子集( 或子区域) : 墨,r ,兄 ,这些子集必须满足下述条件: ( 1 ) r ;u r ; i = 1 ( 2 ) 对于所有的f 和,当f _ ,足nr ,一m ; ( 3 ) x , l i = l 2 ,n ,p ( r ) = t r u e ; ( 4 ) 对f 一,有尸( ru r ) 。f a l s e ; ( 5 ) 对f ;1 ,2 ,n ,r 是连通的区域。 其中尸( r ) 是对所有在集合r 中元素的逻辑谓词,m 代表空集。 下面先对上述各个条件分别给予简略解释。条件( 1 ) 指出在对一幅图像的 分割结果中全部子区域的总和( 并集) 应能包括图像中所有像素( 就是原图像) ,或 者说分割应将图像中的每个像素都分进某个子区域中。条件( 2 ) 指出在分割结 果中各个子区域是互不重叠的,或者说在分割结果中一个像素不能同时属于两 个区域。条件( 3 ) 指出在分割结果中每个子区域都有独特的特性,或者说属于 同一个区域中的像素应该具有某些相同特性。条件( 4 ) 指出在分割结果中,不 同的一子区域具有不同的特性,没有公共元素,或者说属于不同区域的像素应 该具有一些不同的特性。条件( 5 ) 要求分割结果中同一个子区域内的像素应该 3 武汉理工大学硕士学位论文 是连通的,即同一个子区域内的任意两个像素在该子区域内互相连通,或者说 分割得到的区域是一个连通组元。最后需要指出的是,实际应用中图像分割不 仅要把一幅图像分成满足上面五个条件的各具特性的区域而且需要把其中感兴 趣的目标区域提取出来,只有这样才算真正完成了图像分割的任务。 图像分割是数字图像处理中的一项关键技术,它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。由于分割中出现的误差会传播至高层次处理阶段,因此分割的精确程 度是至关重要的,多年来一直受到研究人员的高度重视,被认为是计算机视觉 中的一个瓶颈1 3 j 。图像分割在不同的领域也有其它名称:如目标轮廓( o b j e c t d e l i n e a t i o n ) 技术,目标检测( t a r g e td e t e c t i o n ) 技术,阈值化( t h r e s h o l d ) 技术,图像 区分或求差( i m a g ed i s c r i m i n a t i o n ) 技术,目标识另l j ( t a r g e tr e c o g n i t i o n ) 技术,目标跟 踪( t a r g e tt r a c k i n g ) 技术等,这些技术本身或其核心实际上也就是图像分割技术【4 j 。 图像分割在实际中已得到广泛的应用,例如在工业自动化,文档图像处理, 在线产品检验,生产过程控制,保安监视,遥感和生物医学图像分析,以及军 事,体育,农业等方面都得到了应用。概括来说,在各种图像应用中,只要需 要对图像进行目标提取、测量等都离不开图像分割。近年来,图像分割在对图 像的编码中也起到越来越重要的作用,例如国际标准m p e g i v 中的模型基目标 基编码等都需要基于分割的结果。 1 3 图像分割的研究现状 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础,同时也缺乏对人类视觉系统( h u m a nv i s i o n s y s t e m ,h v s ) 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 4 武汉理工人学硕士学位论文 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 分割就像是流水线上的一道简单工序,这种艺术行为就显得无能为力了。随着 w e b 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i n t e m e t 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( c o n t e n tb a s e di m a g er e t r i e v a l ,c b i r ) 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【5 1 、蛇线模型法、匹配法【6 】、阈值法、区域生长 法1 7 1 、分裂一合并法【8 1 、水线法【9 1 、马尔可夫随机场模型法【1 0 t1 1 1 、多尺度法【1 2 】、 小波分析法【1 3 】、数学形态学1 1 4 l 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。 1 4 论文的主要工作 论文从对图像分割理论的研究入手,深入介绍了各种经典的图像分割算法, 并实际进行了实验,以便直观的分析各种算法的特点。同时结合传统的阈值分 割方法,提出了一种改进局部自适应阈值分割的方法,并将本方法应用到血细 胞图像的分割中去。把直方图和小波变换结合起来,提出了一种基于直方图和 小波变换的分割方法,并将其应用到图像分割中。 5 武汉理t 大学硕十学位论文 论文共分为5 章,第1 章为绪论,介绍了图像处理的理论基础和图像分割 的研究意义及研究现状。 第2 章至第4 章分别介绍了基于边缘检测的图像分割方法,基于区域的图 像分割方法和基于特定理论的图像分割方法,和一些经典的算法,以及对图像 分割方法进行实验并对结果进行分析。 第5 章为论文工作的总结和对未来工作的展望。 6 武汉理工大学硕十学位论文 第2 章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 素扶度有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。 2 1 图像分割算法评价 图像分割算法评价对指导图像分割任务意义重大。通过对图像分割算法的 对比评价,可以针对特定的分割任务选择最优的分割算法;通过对图像分割结 果进行评价,可以进一步分析所选算法的有效性,以及评判新的图像分割算法 的分割性能。 一般来说,对图像分割的结果以人的主观判断作为评价准则,尽管对大多 数图像处理问题而言,最后的住宿是人的视觉,但对不同图像分割方法的处理 结果作一定量的比较、评价也是必需的,如何对现有的图像分割方法做一个全 面系统的比较,并给出公正的评价,这是一个有意义但是比较困难的工作。到 目前为止,已经有研究专家在这方面做出了一些工作,他们认为对图像分割方 法的评价可以通过分析和实验两种方式来进行。分析法是直接分析分割算法本 身的原理及性能,在实践中很少得到应用。实验法是利用由分割算法得到的实 际分割图像与参考图像进行比较,根据实际分割图像与参考图像的符合程度来 评价分割算法的优劣,这是一个比较实际的方法。实验法已经提出了不少,一 般可以分为偏差法和优度法两类。偏差法般需要提供一个理想分割图像作为 比较标准,依此来计算实际分割结果与理想分割图像的差别,这种差别可以是 基于错误分割像素点的位置,也可以是基于错误分割的像素数等等。在实际情 7 武汉理t 大学硕+ 学位论文 况中,可供比较的图像样本很难统一认定,因此,这类方法在实际应用中受到 了限制。优度法一般是建立在人的视觉基础上,以某些图像特征为依据来评价 分割效果。优度法在没有正确分割的先验知识的情况下,仅仅根据分割图像计 算某种优度量值来评价分割算法的好坏,因此,以什么作为优度量值是非常关 键的。e l 前常用的有区域一致性、区域对比度、区域形状参数等。 ( 1 ) 区域一致性 图像分割后分割区域的一致性应当反映出分割结果的好坏,一个好的分割 算法应当能产生分割区域内部元素具有相似性( 一致性) 的分割结果,这种特征一 致性可以通过计算区域内的特征方差而得到。对于一个狄度图像,设足为阈值t 分割出的区域,4 为区域内像素点的个数,仃? 为目标与像素点的方差,f ( x ,y ) 为 ,y ) 处的灰度函数值,对于分割阈值t ,可以用公式( 2 1 ) 计算一致性参数: u “) ;1 一型 ( 2 1 ) 肌咖。,墓【f ( x , y ) - u i h ;盔彳 c 为归一化因子,在这里指整幅图像的总的像素数。 ( 2 ) 区域对比度 区域对比度也可以作为衡量分割效果好坏的度量。一个好的分割方法分割 出的区域之间应具有高的对比度。对于一个有目标和背景构成的简单狄度级图 像,其区域对比度c 可以由公式( 2 2 ) 计算: c ;丝型 ( 2 2 ) 、 l4 + b 其中厂口,五分别为目标和背景区的平均灰度级。 ( 3 ) 区域形状参数 另一个可以衡量分割优劣的量是形状测量。选用不同的阈值将直接影响目 标边界的提取,而边界常是目标形状描述的基础之一,因此定义一个与边界密 切有关的量,就可看为从形状的角度来衡量分割的效果。首先定义一个广义梯 度算子0 ,y ) : 崛叫蹇n q r 2 d 1 ( d 3 + d 4 ) _ 9 4 皿( d 3 - d 4 ) 忍 ( 2 - 3 ) 其中:d 1 = 厂 + 1 ,y ) 一,o 一1 , y ) 8 武汉理t 大学硕士学位论文 d 2 = , ,y - 1 ) 一厂 ,y + 1 ) d j ;f ( x + l y + 1 ) 一,o - l y - i ) d 4 = , + l y - 1 ) 一厂 - 1 , y + 1 ) 显然,在目标边界的像元上,0 ,y ) 将有大的数值。 。 对已知图像的形状测量由下列几个步骤组成: 对每个像元指定一个广义梯度0 ,y ) ; 根据像元灰度值是否比其邻域灰度均值高或低,给像元的广义梯度指定 “+ ”或“”号; 用公式( 2 - 4 ) 计算形状参数s t : s o ) 。c 磊y ) s g n f ( x , y ) 一孺,y ) 】 ,y ) s g n f ( x , y ) f ( 2 - 4 ) 其中厂 ,y ) 为邻域n ( x ,y ) 的灰度均值,t 为狄度阈值,c 为归一化因子,而 s g n ( x ) = 仁1 = ( 2 - 5 ) ( 4 ) 综合评价函数 由于图像信息是复杂的,有时用一种测量参数无法准确衡量分割图像的质 量,将几种测量参数综合考虑,根据图像分割的目的对不同测量参数赋予不同 的权值,以得到准确的评价结果。 在这罩采用下面的综合评价函数: c 一以枣c f 木s ( 2 - 6 ) 其中u 。,e ,s 。分别如上所示。 作为对图像分割质量的综合评价函数,可以从分割区域一致性、区域对比 度、形状参数几个方面综合评价图像的分割质量,f 的值越大,说明分割质量 越好。 2 2 并行边缘检测技术 2 2 1 并行微分算子法 图像的边缘包含了目标形状的重要信息,它不仅在分析图像时大幅度地减 少了要处理的信息量,而且还保护了目标的边界。因此,边缘检测可以看作是 处理许多复杂问题的关键。对于边缘的检测常常借助于空域微分算子进行,通 9 武汉理工大学硕士学位论文 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 值不连续的地方,这种不连续常常利用求一阶或二阶导数方便的检测到。在现 存的局部技术边缘检测方法中,主要有一阶微分算子( s o b e l 算子、r o b e r t s 算子、 p r e w i t t 算子) 、二阶微分算子( l a p l a c i a n 算子、k i r s h 算子) ,微分算子不仅对图像 的边缘信息敏感,而且对图像噪声也很敏感。 由于边缘和噪声都是灰度不连续的地方,直接采用微分运算难以克服噪声 的影响,因此在用微分算子检测边缘之前要对图像进行平滑滤波。l o g 算子和 c a n n y 算子分别是具有平滑功能的二阶和一阶微分算子,这两个算子边缘检测效 果较好。其中l o g 算子是采用l a p l a c i a n 算子求高斯函数的二阶导数,c a n n y 算 子是用一个准高斯函数做平滑运算,然后以带方向的一阶微分定位导数最大值, 也可以用高斯函数的梯度来近似,属于具有平滑功能的一阶微分算子,它在抑 制噪声和边缘检测之间取得了较好的平衡。 2 2 2 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。p r e w i t t 1 5 】最早用n 阶多项式 对原始图像作最d - - 乘法拟合,然后用梯度算子在拟合曲面上进行边缘检测。 h a r a l i c k 【1 6 1 7 t1 8 】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。m a t a l a sl 等人用h a r a l i c k 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,b 样条函数恰好具备这一特性【1 吼 2 0 1 。 1 0 武汉理工大学硕士学位论文 2 2 3 活动轮廓与水平集 结合几何学、物理学和近似理论的基于形变模型的图像分割方法,是一种 高效的图像分割方法,它通过使用从图像数据获得的约束信息( 自底向上) 和 目标的位置、大小和形状等先验知识( 自顶向下) ,对目标进行分割、匹配和 跟踪分析。 从物理学角度来说,可将形变模型看成一个在施加外力和内部约束条件下 自然反应的弹性物体。形变模型包括活动轮廓( a c t i v ec o n t o u r ,又称s n a k e ) 、二 维形变轮廓( d e f o r m a b l ec o n t o u r ) 模型和三维形变曲面( d e f o r m a b l es u r f a c e ) 模 型【2 l 】等。在这旱主要讨论活动轮廓模型,因为曲线的移动类似于蛇,所以又叫 “蛇线”( s n a k e s ) 模型,其寻找边界的方法有两种: ( 1 ) 把物体的边界看成是一种在内力和外力作用下,不断发生变形而达到 平衡的过程,当内力和外力达到平衡时,就得到物体的边界。 ( 2 ) 通过能量最小化来寻找边界,在边界处物体的能量最小。 从物理上来说,物体的内力使边界分段光滑,由像素点与其周围点的关系 确定,外力使得“蛇”接近实际的图像特征,例如边缘。可变模型的主要优点 是能够产生光滑连续的参数曲线或者曲面,缺点是在“蛇 初始化时,初始参 数也要由操作者给出,自动“蛇线 模型的初始化是当前研究中的一个热点。 传统的活动轮廓模型存在着两大难题:一是常常必须将模型初始化于真实 边缘的附近,否则将可能收敛到错误的结果;二是s n a k e s 步进凹形边缘时存在问 题。为了解决这两个难题,一些研究者在传统活动轮廓模型的基础上,提出了 一些改进的算法。k o o z e k a n a n i 等提出了一种改进蛇线模型的方法,该方法的内 力在使轮廓保持一定光滑度的基础上,克服了传统活动轮廓模型的内力使轮廓 过度收缩的缺点,它的外力结合了边缘和区域的信息。 近年来基于几何形变模型的分割技术也是图像分割领域中研究的热点,最 具代表性的是水平集方法( 1 e v e ls e tm e t h o d ) ,最初由o s h e r 平i s e t h i a n 提出,是求 解几何曲线演化的一种较新的方法。将图像空间中的二维曲线嵌于三维空间曲 面中,作为曲面的零水平集,以隐含的方式来表达平面闭合曲线,避免了对闭 合曲线演化过程的跟踪,将曲线演化转换成求解数值偏微分方程问题。从数学 的角度可以定义如下:设连续函数( x ,y ,f ) :r 2 ( 0 ,f ) 呻尺是演化曲线 c ( p ,t ) = o ( p ,f ) ,y ( p ,f ) ) ,0sp 1 在t 时刻的隐含表达,即t 时刻,c ( p ,t ) 对应于 武汉理工大学硕士学位论文 妒( x ,y ,t ) 的零水平集,即: j c p ,o ) = ,川i ( x ,y ,o ) = 阱( 2 - 7 ) ic ,f ) = ,y ) l ,y ,f ) = o ) 水平集函数通常取值为平面内点到边界曲线的代数距离( 曲线内部点距离 为负,曲线外部点距离为正,曲线上的点距离为零) 。同时,水平集函数驴( x ,y ,f ) 在演化过程中,其零水平集对应的平面闭合曲线始终满足曲线演化的偏微分方 程。 水平集方法处理平面曲线演化问题不是试图去跟踪演化后的曲线位置,而 是遵循一定的规律,在二维的固定坐标系中不断更新水平集函数,从而达到演 化隐含在水平集函数中的闭合曲线的目的。这种演化曲线的最大特点是:即使 隐含的水平集函数中的闭合曲线发生了合并或者分裂,水平集函数仍然保持为 一个有效的函数。 2 3 串行边缘检测技术 2 3 1 串行边界技术 串行边界技术指采用串行的方法,对目标边界进行检测来实现图像分割的 技术。串行边界技术常常通过顺序搜索边缘点来工作,其具体步骤如下: ( 1 ) 确定起始边界点,顺序搜索将从这里开始; ( 2 ) 选择搜索策略,并根据一定的机理依次检测新的边界点; ( 3 ) 设定终止条件,并当搜索进程结束时使之停下来。 用并行方法检测边缘点和连接边缘点的方法在图像受噪声影响较大时对边 界的闭合效果比较差。其中一个原因就是没有利用各边缘点之间的空间关系, 所以会出现应该连接的但相距较远的同一目标边界上的边缘点没有被连起来, 而不应该连接的却相距较近的不同目标边界上的边缘点被连接起来了。利用串 行方式连接边缘点成为闭合边界的方法可以解决这些问题,正确设计串行边界 算法可以除去虚假的边缘点,直接得到单像素宽而且连续的边界。至于边界的 位置,由于串行方式在做出当前决定的时候比较充分地考虑了先前得到的结果, 所以如果起始点选择正确,就可以保证整个边界位置的准确性。串行边界分割 技术主要有两种策略:一种是先检查边界点再连接它们,另一种是对边界点检 查和连接同时进行。 1 2 武汉理工大学硕士学位论文 2 3 2 边界跟踪 边界跟踪也称边缘点连接,其基本思想是由梯度图中的一个边缘点出发, 依次搜索并连接相邻边缘点从而逐步检测出目标的边界。为了消除图像中噪声 的影响,保持边界的光滑性,在搜索的时候每当确定一个新的边界点都要考虑 先前已得到的边界点。而为了克服噪声造成的边缘点之间的不连续,应该对梯 度图保持其已有的信息。一般来说,边界跟踪由以下三个步骤组成: ( 1 ) 确定搜索起点的边缘点( 可以是一个点或者多个点) ,整个算法都依赖 于起点的选择,因此,起点的选择很重要; ( 2 ) 确定和选取一种合适的数据结构和搜索机制,在已发现的边界点基础 上确定新的边界点,应该注意先前的结果对选择下一个检测像素点和下一个结 果的影响; ( 3 ) 确定搜索终止条件,如果是闭边界则回到起点,并在满足条件时停止 过程结束搜索。 边界跟踪对噪声较小的图像分割效果比较好,可以确定出目标具有最大梯度 的边界。该方法也可以找出分割后的区域边界,此时相当于在无噪声的图像中搜 索。当图像中噪声较大时,该方法在跟踪边界时会出现偏离正确边界的情况( 例 如跑出图像范围) ,此时应该先对梯度图进行平滑滤波然后再开始搜索;另一种方 法是利用跟踪“虫”( b u g ) t 2 2 1 ,这是一个长方形的平均窗口模板,模板的后部以当前 像素为中心,其轴沿着当前搜索方向,在每个搜索位置都计算模板中所有像素的 平均梯度,然后选择模板前部具有最大平均梯度值的位置作为下一个边界位置。 模板越大,对梯度的平滑作用越强,抗噪能力越强。 2 3 3 基于边界曲线拟合的方法 基于边界曲线拟合的方法基本思想是用平面曲线来表示不同区域之间的图 像边界线,根据图像梯度等信息找出能正确表示边界的曲线从而达到图像分割 的目的,由于它直接给出的是边界曲线而不像一般的方法找出的是离散的、不 相关的边界点,因而对图像分割的高层处理有很大帮助。即使是用一般的方法 找出的边界点,用曲线柬描述它们以便于高层处理也是经常被采用的一种有效 的方式。s t a i blh 等人给出了一种用f o u r i e r 参数模型来描述曲线的方法,根据 b a y e s 定理,按极大后验概率原则给出了一个目标函数,通过极大化该目标函数 1 3 武汉理工大学硕士学位论文 来决定f o u r i e r 系数。在实际应用中,首先根据对同类图像的分割经验,给出一 条初始曲线,再在具体分割例子中根据图像数据优化目标函数来改变初始曲线 的参数,拟合图像数据,得到由图像数据决定的具体曲线,这种方法比较适合 复杂图像的分割。 2 4 几种常见的边缘检测算子 2 4 1r o b e r t s 算子 r o b e r t s 算子是一种利用局部差分算子寻找边缘的算子,其定义如下: 尺( z ,y ) = 4 ( f ( x ,y ) 一,o + 1 ,y + 1 ) ) 2 + ( 厂0 ,y + 1 ) 一,( + 1 ,y ) ) 2 ( 2 - 8 ) 尺阮) ,) 又称为r o b e r t s 交叉算子,在实际应用中为了简化计算,用梯度函数 的r o b e r t s 绝对值来近似: 尺( 石,y ) = i f ( x + 1 ,y + 1 ) 一f ( x ,y ) i + l 厂( z ,y + 1 ) 一厂 + l y ) i ( 2 - 9 ) r o b e r t s 算子是对一个2 x 2 的模板进行的操作,对图像的所有像素求其用 r o b e r
温馨提示
- 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
- 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
- 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
- 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
- 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
- 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
- 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。
最新文档
- 2026年黑龙江能源职业学院高职单招笔试语文历年参考题库含答案解析
- 2026年黑龙江农业经济职业学院高职单招笔试职业技能测验历年参考题库含答案解析
- 2026年驻马店职业技术学院高职单招笔试化学历年参考题库含答案解析
- 2026年长沙民政职业技术学院高职单招笔试职业技能测验历年参考题库含答案解析
- 2026年长春健康职业学院高职单招笔试职业技能测验历年参考题库含答案解析
- 2026年金肯职业技术学院高职单招笔试语文历年参考题库含答案解析
- 2026年郑州黄河护理职业学院高职单招笔试化学历年参考题库含答案解析
- 2026年郑州商贸旅游职业学院高职单招笔试英语历年参考题库含答案解析
- 水产品原料处理工岗前行业知识考核试卷含答案
- 系统护理对糖尿病肾病患者实验室指标的影响分析
- 2026年中国出口信用保险公司招聘笔试大纲及备考指南
- 中小学以体育强化为核心落实“健康第一”教育理念实施方案
- 间羟胺药物课件
- 2026年深泽县辅警招聘考试备考题库必考题
- 江苏省南京市玄武区2025-2026学年九年级上学期期中历史试卷(含答案)
- 上海交易集团秋招面笔试题及答案
- 整县屋顶分布式光伏项目绿色施工方案
- GB/T 4337-2025金属材料疲劳试验旋转弯曲方法
- 手术室精益管理汇报
- T/CAR 10-2022食品速冻装置隧道式速冻装置
- 景区团建合同协议书范本
评论
0/150
提交评论