图像分割方法研究

图像分割方法研究 宋锦萍 ,职占江 (河南大学 数学与信息科学学院 河南 开封 475001) 摘 要 :图像分割是图像处理与计算机视觉的基本问题之一 ,是图像处理到图像分析的关键步骤。目前 ,图像分割已有 上千种方法 ,既有经典的方法也有结合新兴理论的方法。从分割所应用特定理

《现代电子技术》2006年第6期总第221期　 嵌入式与单片机

图像分割方法研究

宋锦萍,职占江

(河南大学数学与信息科学学院　河南开封　475001)

摘　要:图像分割是图像处理与计算机视觉的基本问题之一,目前,图像分割已有上千种方法,既有经典的方法也有结合新兴理论的方法,方法或改进算法进行综述,关键词:图像分割;数学形态学;;中图分类号:TP751:1004373X(2006)0605903

SurveyontheImageSegmentation

SONGJinping,ZHIZhanjiang

(CollegeofMathematicsandInformationScience,HenanUniversity,Kaifeng,475001,China)

Abstract:Imagesegmentationisoneofbasicproblemsinimageprocessingandcomputervision,andisakeystepinimageprocess2ingandimageanalysis.Thousandsofmethodshavebeenputforwardtoimagesegmentation.Someuseclassicalmethodsandothersusenewmethods.Inthisarticle,arathercompletesurveytotheimagesegmentationmethodsaregiven,andtheircharacteristicsaredis2cussed,especiallytothenewmethodsorimprovementtotheclassicalmethodswhichisputforwardrecently.

Keywords:imagesegmentation;mathematicalmorphology;artificialneuralnetworks;wavelettransform;fuzzymathematics;partialdifferentialequation

1　前　言

图像分割是图像处理到图像分析的关键步骤,也是进一步图像理解的基础。所谓图像分割是指把图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。借助集合概念对图像分割可给出如下比较正式的定义[1]:

令集合R代表整个图像区域,对R的分割可看作将R分成N个满足下列5个条件的非空子集(子区域)R1,R2,…,RN:

①i∪Ri=R;=1

②对所有的i和j,有Ri∩Rj= (i≠j);③对i=1,2,…,N,有P(Ri)=TRUE;④对i≠j,有P(Ri∪Rj)=FALSE;⑤对i=1,2,…,N,Ri是连通区域。

其中P(Ri)是对所有在集合Ri中元素的逻辑谓词, 代表空集。

在实际应用中,图像分割不仅要把一幅图像分成满足上面5个条件的各具特性的区域,而且需要把感兴趣的目标区域提取出来。由于符合上述条件的分割计算十分复杂和困难,图像分割成为图像处理中一个经典的研究课题。

收稿日期:20051215

基金项目:河南省教育厅自然科学基金(2003110004)

N

近几年来,研究人员不断改进原有方法并把其他学科的一些理论和方法用于图像分割,提出了不少新的分割方法。本文将主要介绍近年来出现的新方法以及经典方法新的改进,传统的图像分割方法不做详述。2　基于数学形态学的分割方法

数学形态学是建立在集合论的基础上,用于研究几何形状和结构的一种数学方法。近年来,数学形态学已发展为一种新型的数字图像处理方法和理论,更多的系统采用形态学算子对图像进行预处理或后处理[2]。他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对应形状,以达到对图像分析和识别的目的。其基本运算

有4个:腐蚀、膨胀、开启和闭合。腐蚀具有使目标缩小、目标内孔增大以及外部孤立噪声消除的效果;膨胀是将图像中与目标物体接触的所有背景点合并到物体中的过程,结果是使目标增大、孔径缩小,可以增补目标中的空间,使其形成连通域;开启具有消除图像是细小物体,并在物体影响纤细处分离物体和平滑较大物体边界的作用;而闭合具有填充物体影像内细小空间,连接邻近物体和平滑边界的作用。

形态学理论在图像分割中的应用比较有代表性的是水线区域分割算法,他的基本过程是连续腐蚀二值图像。算法包括3个步骤:

59

图像分割方法研究 宋锦萍 ,职占江 (河南大学 数学与信息科学学院 河南 开封 475001) 摘 要 :图像分割是图像处理与计算机视觉的基本问题之一 ,是图像处理到图像分析的关键步骤。目前 ,图像分割已有 上千种方法 ,既有经典的方法也有结合新兴理论的方法。从分割所应用特定理

多媒体技术

(1)产生距离图;

(2)计算最终腐蚀的集合;

宋锦萍等:

图像分割方法研究

基于特征的神经网络算法主要是对特征空间的聚类分割方法进行改造。特征空间聚类分割方法关键的问题是有效特征参数的提取和聚类方法的构造。有效的特征提取方法有很多,大致上可以分为4种:几何特征方法、统计特性方法、信号特性方法和基于图像模型的方法。传统的聚类方法效果差,且是基于一定前提假设的,神经网络打破了传统聚类方法的限制,已经成为寻找聚类新方法的基础。SOFM神经网络[9],

L(3)从种子开始生长到原尺寸但使各个区域不相连。

如果将步骤(3)用连续膨胀代替,就成为另一种形态学分割方法———聚类快速分割[3]。这2种算法相比,水线方法能很好地保持目标的原始形状,在目标间加入的分界比较清晰,但水线计算量大,他需要对每个最终腐蚀集用

12个结构元素进行粗化,还需要跟踪所有的腐蚀步骤;聚

类快速分割不能很好地保持目标的整体形状,但受错误分离的影响较小。如果目标没有重叠只是相接则水线方法效果较好,反之聚类快速分割效果较好。

为了改善这一问题[]小闭包结构元素的数学形态学形状描述图像分割算法,取得了较好的效果。邓世伟等人[5]提出了一种基于数学形态学的深度图像分割算法,其基本思想是利用形态学算子获得分别含有阶跃边缘与屋脊边缘的凸脊和凹凸图像,然后利用控制区域生长过程得到最终的分割结果。与传统方法相比,该方法速度快、抗噪性能好。总之,如何将数学形态学与其他方法综合运用以克服自身缺陷,将是数学形态学以后的工作方向。

3　基于人工神经网络的分割方法

在20世纪80年代后期,在图像处理、模式识别和计算机视觉的主流领域,受到人工智能发展的影响,出现了将更高层次的推理机制用于识别系统的做法,于是出现了基于人工神经网络模型ANN(ArtificialNeuralNetwork)的图像分割方法。人工神经网络是由大规模神经元互联组成的高度非线性动力系统,是在认识、理解人脑组织结构和运行机制的基础上模拟其结构和智能行为的一种工程系统。神经网络方法分割图像的基本思想是用训练样本集对神经网络进行训练以确定节点间的连接和权值,再用训练好的神经网络分割新的图像数据,但这种方法需要大量的训练数据。

近几年神经网络在图像分割中的应用按照处理数据类型大致上可以分为2类:一类是基于象素数据的神经网络算法;另一类是基于特征数据的神经网络算法也即特征空间的聚类分割方法。

基于象素数据分割的神经网络算法用高维的原始图像数据作为神经网络训练样本,比起基于特征数据的算法能够提供更多的图像信息,但是各个象素是独立处理的,缺乏一定的拓扑结构,而且数据量大,计算速度相当慢,不适合实时数据处理。目前有很多神经网络算法是基于象素进行图像分割的,如Hopfield神经网络[6]、细胞神经网络[7]、概率自适应神经网络[8]等。60

[11]等。神

声纳图像等一系列,但解决问 …… 此处隐藏：3133字，全部文档内容请下载后查看。喜欢就下载吧 ……