图像分割方法研究(2)

,,将多种方同时,由于现在所处理图像的复杂性和固,传统的方法已不能适用于现在的实用要求,图像分割方法的研究需要与新理论、新工具和新技术结合起来才能有所突破和创新。

参　考　文　献

[1]章毓晋.图像分割[M].北京:科学出版社,2001.

[2]戴青云,余英林.数学形态学在图像处理中的应用进展[J].

更是突飞猛进。

基于模糊集合和逻辑的分割方法是以模糊数学为基础,利用隶属度值决定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。目前,模糊技术在图像分割中应用的一个显著特点就是他能和现有的许多图像分割方法相结合,形成一系列的集成模糊分割技术,例如模糊聚类、模糊阈值、模糊边缘检测技术等。如罗述谦等人提出的基于有偏场的适配模糊聚类分割算法

[15]

;薛景浩等人提出

的一种新的基于图像间模糊散度的阈值化算法以及他在多阈值选择中的推广算法[16],前后的图像,,S函数带宽对分割效果的影响,,且能够快速正确地实现分割,不需事先认定分割类数。6　基于偏微分方程的图像分割

基于偏微分方程的图像分割是图像分割领域中的又一个重要分支[17]。近年来,有关的内容日益成为研究人员关注的热点。目前,已经拥有许多成熟的图像分割方法,其中Mumford

Shah模型是一个较为常用的方法。

控制理论与应用,2001,18(4):478482.

[3]章毓晋.图像工程(下册)———图像理解与计算机视觉[M].

北京:清华大学出版社,2000.

[4]刘志敏,杨杰,施鹏飞.数学形态学的图像分割算法[J].计

这个方法的主要思路是:给定一幅图像g(x),图像分割的目标就是寻找一个光滑的图像u(x)和不光滑的集合K

(用来代表),使以下的泛函:“边界”

E(u,K)=

算机工程与科学,1998,20(4):2127.

[5]邓世伟.基于数学形态学的深度图像分割[J].电子学报,

1995,23(4):6

9.

modalImage

[6]RoutS,SrivastavaSP,MajumdarJ.Multi

[J].PatternRecognition,1998,31(6):743[7]VilarinoDL,BreaVM,CabelloD.Discrete

nitionLetters,1998,19(8):721

734.

aProbabilisticNeu2

∫

Ω/K

(α| u(x)|

2

(u-g)2)dx+length(K)+β

SegmentationUsingaModifiedHopfieldNeuralNetwork

750.

timeCNNfor

最小,其中α,β是参数。这个公式有非常深刻的物理背景:

(u-g)2这一项可以保证u(x)与原图像g(x)保持内容上

的基本一致,| u(x)|2确保了绝大部分区域是光滑的,而length(K)项是为了使图像的边界最简单,这3项的折中保证了图像分割的效果。

通过变分法,可以把上面这个泛函极值问题转化为对偏微分方程的求解。在转变过程中,研究人员往往会根据不同的应用背景简化上式或者对上式做一些变型,因此产生了不同的偏微分方程。例如,Osher和Rudin[18]用:

=-|Du|F(Δu)t

u(0,x)=g(x)

ImageSegmentationbyActiveContours[J].PatternRecog2[8]WangY,AdaliT,KungSY.QuantificationandSegmenta2

tionofBrainTissuesfromMRImagesProcessing,1998,7(8).

[9]杨绍国,尹忠科,罗炳伟.基于分形和神经网络理论的多尺

ralNetworkApproach[J].IEEETransactionsonImage

度分割方法[J].电子科学学刊,1998,20(6):727732.

[10]CesmeliE.TextureSegmentationUsingGanssianMarkov

RandomFieldsandNeuralOscillatorNetworks[J].IEEETransactionsonNeuralNetworks,2001,12(2):394

404.

[11]DekrugerD,HuntBR.ImageProcessingandNeuralNet2

worksforRecognitionofCartographicAreaFeatures[J].PatternRecognition,1994,27(4):461

483.

[12]许传祥,石青云.零对称和反对称二进小波及其在边缘检

　　在某个时刻t的解u(t,x)作为图像分割后的结果。而Peron和Malik[19]选择的方程是:

=-div(f(|Du|)Du)t

u(0,x)=g(x)

测中的应用[J].中国图像图形学报,1996,1(1):411.

[13]章国宝,叶桦,陈维南.基于正交小波变换的多尺度边缘提

　　后来,G.Koepfler等[20]对类似的方法做了一个总结,在理论上对这类方法进行了概括和提升。数学上完备的偏微分方程理论和丰富的数值计算方法,为该方法提供了

取[J].中国图像图形学报

,1998,3(8):651654.

(下转第64页)　

61

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

多媒体技术张选德等:基于脊波变换的图像压缩算法

含直线奇异的函数。而且本文的算法只是简单的实现,并不像JPEG2000等压缩标准一样考虑细节的优化问题,但结果同JPEG2000进行比较(见表1),一个未优化的算法与一个优化的算法结果进行比较,这样更能说明

Ridgelet在图像压缩中的应用前景。

表1　两种图像压缩比较

JPEG2000(4)对(3)的输出进行游程编码和墒编码(Huffman

编码),得到压缩码流。5　数字实验

选用标准图像harbour对本文的算法进行测试,基于文献[9]中公布的程序包beamlet2.00编写代码,利用信噪比评价重建图像质量。结果与JPEG2000的

baseline进行比较,见图1,图2。

压缩比

信噪比/dB压缩比/39.00537.02574

76.6133.57780.2714

112.0633.262121.134.02

考　文　献

]M,KovacevicJ.WaveletsandSubbandCoding.

PrenticeHall,1995.

[2]CandèsEJ,DonohoDL.Ridgelets:aKeytoHigher

Di2

mensionalIntermittency.Phil.Trans.R.Soc.Lond.A.,

图1　JPEG2000压缩

1999,357:2495Geometric

2509.

Thoughts

and

Applications

(a

[3]AnestièsAntoniadis,UniversityJosephFourierMultiscale

Analysis

Summary)TechnicalReport,February,2005.

[4]CandèsEJ.Ridgelets:TheoryandApplications[D].USA:

DepartmentofStatistics,StanfordUniversity,1998.[5]CandèsEJ.HarmonicAnalysisofNeuralNetworks.Appl.

Comput.Harmon.Anal.,1999,(6):197

218.

[6]DonohoDL.OrthonormalRidgeletsandLinearSingulari2

ties.TechnicalReport,Statistics,Stanford,SIAMJ.Math.Anal.1998.

[7]DonohoD,AnaGeorginaFlesia.DigitalRidgelettransform

BasedonTrueRidgeFunction.Jan.2002.

[8]AverbuchA,CoifmanRR,DonohoDL,etal.FastSlant

图2　与JPEG2000的baseline比较示意图

Stank:AnotionofRadonTransformforDatainaCartesianGridwhichisRapidlyComputible,AlgebraicallyExact,Geo2metricallyFaithfulandInvertibletoAppear:p.

[9]http://www-stat.stanford.edu/～beamlab/

本文的算法能获得较高的压缩率,从图2(b)与(d)的比较来看,这是自然的结果;也保持了较好的重建图像质量,特别是很好地保持了图像的直线边缘,原因在于脊波非线性逼近同小波非线性逼近相比,在几何上更 …… 此处隐藏：2961字，全部文档内容请下载后查看。喜欢就下载吧 ……