基于四元数聚类的彩色图像分割算法研究.doc

基于四元数聚类的彩色图像分割算法研究.doc1 绪论
" = = 条件(2): i, j 1, 2,...,n,H(R ) Ture;
i
" ¹ 条件(3): i, j,i j,H(R
i
条件(1)表明整个图像被完完全全分割开来且各分割区域无重叠,条件(2)表明分割
开的每一个区域内应具有相同的性质,条件(3)表明分割开的相邻区域不具有相同性质。
同时满足上述三个条件的分割称得上真正的图像分割。由于图像的千差万别,加上
图像质量的好坏不均,目前还没有一种通用的方法可以很好的兼顾这些约束条件,也没
有一种通用的方法可以完成对不同图像的分割任务。
通常情况下,好的图像分割应具备以下特征[4]:
(1) 分割出来的各区域对某种特性(例如灰度和纹理)而言具有相似性,区域内部是
连通的且没有过多小孔。
(2) 相邻区域对分割所依据的性质有明显的差异。
(3) 区域边界是明确的。
图像分割研究意义
图像分割是数字图像处理中一项关键的技术,在当今很多领域都有所利用。在不同
领域中我们也听过图像分割的其他名称,如阈值化技术,目标轮廓技术,目标识别技术,
目标跟踪技术,目标检测技术等,实际上这些技术根本都是图像分割。
为了描述图像分割在图像处理中所处的位置,我们将“图像工程”这个概念[1]引来。
图像工程是一门内容非常广泛,涵盖整个图像领域研究的新科学,可把其由低至高分为
三个层次:图像处理、图像分析和图像理解,如图 所示。
图 图像分割在图像工程中的位置
图像处理属于最低层次,它着重图像到图像间进行变换,以达到改善图像效果。图
像分析属于中层,着重对图像中感兴趣的目标物进行提取信息,从而建立对图像的某种
分析。图像理解属于高层,着重对图像中各目标物的特性和它们之间的相互关系,并给
3
西安科技大学工程硕士学位论文
予解释,从而指导后期操作。
图像分割是图像处理到图像分析的关键步骤,在图像工程中占有重要的地位。第一,
它对特征提取有重要的影响,是目标表示的基础。第二,因为图像分割区域将原始图像
变成更紧凑、更抽象的形式,使得后期的图像分析和理解变成可能。
在现实世界中,图像分割的应用非常广泛,凡和图像处理有关的所有领域,都会涉
及图像分割。比如,在医学领域,医生可以对患者的病理图像进行分割,提取关心的区
域,方便分析、诊断病情[5~6];在遥感应用领域,可以对拍摄的遥感图像进行分割识别,
进行地域、植被等分析统计[7~8];在公安、交通领域,图像分割应用更是比比皆是,如
对犯罪嫌疑人图像的分割提取,对违章汽车车牌号码的分割提取[9~11];还有体育、生产、
军事、农业等众多领域都离不开图像分割[11~13]。在这些应用中,图像分割都是为了更好
的对图像进行分析、识别等而进行的关键操作,图像分割的好坏直接影响图像分析和识
别的有效性,因此对图像分割的研究至关重要。同时,在各个领域彩色图像应用是越来
越多,对彩色图像进行的分割研究也就变得尤为重要。
论文的选题和研究意义
多年来,图像分割一直是图像处理技术中的重点和热点,人们对其投入了大量的研
究。在图像工程中,它是图像分析和图像理解的基础,是从图像处理到更高层的图像分
析、图像理解的关键一步,只有图像得到有效、合理的分割后,对图像的分析及理解才
能成为可能。另外,图像分割在现实各领域中也得到了大量的应用,在图像识别和计算
机视觉的体系结构中占据非常重要的地位,也是研究它们首先要攻克的问题。只要对图
像区域进行提取,对目标进行有效测量、分析等都离不了图像分割。
目前,人们针对图像分割已经提出很多方法,而且各种方法也取得了一定效果。但
是,图像分割所处理的图像千差万别,而且分割本身具有一定的复杂性,到目前为止还
没有一个通用的方法,也不存在一个分割结果的客观评判标准,所以研究人员还在继续
寻找适应性和准确性更高的分割算法。目前大部分图像分割都是研究灰度图像的,即从
灰度图像中分割出感兴趣的区域,但是随着计算机软硬件的发展和现实生活的需要,加
上人眼对彩色图像的视觉感受比灰度图像更强,所以针对彩色图像进行的分割更具有广
阔的前景,也更符合人的视觉感受。
长期以来,人们将较为成熟的灰度图像分割方法直接用在彩色图像上,但是彩色图
像不同于灰度图像,也远比灰度图像复杂,灰度图像只存在亮度信息,且它是一个二维
空间,但是彩色图像除了亮度信息外,还包括色调、饱和度等信息,是一个三维空间,
比灰度图像具有更多的信息量。由于在转换过程中会丢失掉彩色图像的部分信息,所以
很多灰度图像的分割方法并不适合直接用在彩色图像上,目前彩色图像分割技术研究趋
势主要有两个:其一,寻找新的理论和新的方法;其二,寻找多种方法的有效结合,