基于图模型的图像分割技术算法研究(2)

菜单

参考文献 23

1 绪论

1.1 论文选题依据

图像是用各种观测系统以不同的形式和手段观测世界而获得的，可以直接或间接作用于人眼产生视觉的实体。对图像的分析和处理反映了人们对世界认识水平，根据科学研究和统计表明，人类从外界获取的信息约75%来自视觉。进入信息时代，数字图像处理技术有力的支撑了人类对图像信息的理解和处理能力。图像处理技术已深入到人类生活的各个方面。随着科学技术，特别是计算机技术和电子技术的发展，近年来，对图像的采集、应用和加工技取得了长足的进展，出现了许多新理论、新算法、新技术和新设备，并在科学研究、医疗卫生、教育、娱乐、管理等方面得到了广泛的应用。

图像分割是由图像处理到图像分析的关键步骤，即按一定的规则将图像划分成若干有意义的区域，并满足各区域的并集是整个图像，各区域的交集为零。图像分割是图像处理与分析的经典问题，同时也是纹理分析和目标识别的基础。例如，在目标识别领域中，其所需的研究对象就是由图像分割来提供的。正是通过把图像中感兴趣的目标通过图像分割技术，更高层次的目标才有了基础。但正是因为“感兴趣”（即“有意义”）的区域在不同的场景下是不同的，因此图像分割是一个病态问题（ill-posed problem），一种方法可能非常符合甲的需求，但与乙的需求相矛盾。规则和需求的多样性导致了图像分割方法的多样性。据统计，至今已提出上千种各种类型的分割算法，而且近年来每年都有上百篇有关研究报道发表[1]。但无疑的是图像分割缺乏普遍适用的理论和方法，各种分割算法也都有局限性。

下面两节1.2和1.3将给出图像分割的具体定义和简要介绍图像分割技术的分类。

1.2 图像分割的定义

对于图像分割有意义的区域中人们感兴趣的部分人们通常称其为前景或目标（其他部分称为背景），其中个区域的并集为整个图像，各区域的交集为零。借助严格的集合定义如下：

令集合R代表整个图像区域，对R的分割可以看做将R分割成若干满足以下5个条件的非空子集（子区域）R1, R2, ..., Rn（其中，P(Ri)代表所有在集合Ri中元素的某种性质，∅是空集）。

1. 2.对所有的i和j，i j，有。

3.对所有i = 1, 2, …, n, 有。

4.对 ,有。

5.对i = 1, 2, …, n, Ri是连通的区域。

上述条件1指出分割所得到的子区域的和为整个图像。条件2指出各个子区域是互相不重叠的，或者说一个像素不能属于两个区域。条件3指出在分割后得到的同属于一个的像素应具有某些相同特性。条件4指出在分割后得到的属于不同区域中的像素应具有一些不同的特性。条件5要求同一子区域的像素应当是连通的。

条件1和2说明分割准则可适用于所有区域，条件3和4说明分割准则应能帮助确定各个区域像素有代表性的特性。论文网

1.3 图像分割技术分类

由以上定义，以灰度图像为例（对其他类图像也适用），区域内部的图像通常灰度值比较接近，而不同区域之间的边界上的像素灰度会有跳跃。所以分割算法可以利用区域间灰度不连续的基于边界的算法和利用区域灰度相似的基于区域的算法。其次，根据处理过程中策略的不同，又可分为并行算法和串行算法。并行算法是指，所有判断和决定都可独立且同时的做出；串行算法是指，后期的处理过程必须用到早期的处理结果。一般情况，串行处理算法需要更多的时间，但抗噪能力更强。而分割算法则可以根据这两个准则分成四类。