基于逆向云模型的图像分割算法的研究.pdf

摘要以模糊集理论和概率统计为基础建立的处理空间数据挖掘中不确定性问题的一种新理;;;;;;;唬唬;;唬唬;;;;;;;;;;唬;;唬;;;唬;唬唬唬唬;;;;;;;;图像分割在数字图像处理中有着重要的地位,是从图像处理到图像分析的一个关键步骤;它是为了进一步对图像进行分析、识别、压缩编码等处理的图像预处理环节,其分割结果的准确性对下一步的图像处理工作有直接影响。图像分割是目标表达的基础,将很大程度上影响到特征的测量;另外,原始图像可以通过图像分割及其基于分割的目标表达、特征提取和参数测量等方式方法转化为更抽象、更紧凑的图像形式,进而能够进行更高层次的图像分析与理解。图像分割的要点是:把图像划分成许多个没有交叠、特性不相同区域的集合并提取所需目标的过程;这些特性区域或是对当前的任务有意义,或是说明它们与实际物体或者实际物体的某些部分之间的相互关系,这些特性可以是图像的灰度、颜色、纹理等。当前常用的图像分割算法几乎都是基于确定性方法的,但是在数字图像信息的处理过程中有着许多的不确定性,并且人类对知识的认识也经常表现为不确定性。因而,表达、评价和降低提取目标信息的不确定性的研究成为图像分割中一个重要的研究方向。论就是云理论。它用云模型中云滴的不确定度描述论域空间中各数据元素与其核心概念的远近关系,云滴的确定度越大,数据元素越接近概念中心;云滴确定度越小,数据元素越远离概念的中心。正是基于这种不确定度量,云理论的基本思想及其云模型方法才有可能较好的被运用到图像分割中。实验表明,由于云理论能对概念的不确定性很好地表达和降低概念分层的不确定性,这使得图像分割中存在的不确定性问题能得到很好的、有效地处理。针对区域生长法中的种:子点选取和不确定信息的处理问题,本文提出了一种基于云理论的区域生长图像分割方法。该算法首先利用图像的全局信息获取区域生长的种子点,具体是以云变换生成的正态云模型期望曲线的交叉点作为生长区域的起始种子点,并且将区域生长过程中的生长准则选取为极大判定法则,然后分割区域由定量的像素集合到定性的云概念的转换过程使用逆向云算法完成,再将相邻的若干个生长区域用云综合算法进行合并,从而实现对不确定性信息图像的区域生长分割。仿真实验结果表明,该方法较其它方法能更好的的处理图像中的不确定性信息,且获得了良好的实验结果。关键词:图像分割;区域生长;云理论;不确定性基于逆向云模型的图像分割算法研究
.;,琧,,基于逆向云模型的图像分割算法研究籵猵,,,甀琧;痶,琺甌,,.甌’..—甌瑃;..
离。。。。;唬唬唬;;唬唬唬唬;;;;;唬唬唬唬唬唬唬;;;一..;甌哈尔滨工程大学硕士学位论文;,.籺琭:;籥籆
第绪论图像分割的研究现状指畛社喔龇橇ㄗ蛹蕒,⋯,玎,并且满足以下的两个条件:图像分割的目的和庖⑦,≠琲;蕒,⋯,,图像技术包括图像处理、图像分析和图像理解三个过程。图像分割在数字图像处理中有着重要的地位,是由图像处理过渡到到图像分析的一个关键步骤。目前对图像分割没有明确的定义,本文选取了最常用的方法,即通过集合定义图像分割。图像分割就是将图像中在灰度、纹理、颜色等特性上不相同的区域区分开来,且分割得到需要的单个或者多个目标的图像处理技术。其数学描述:图像分割是把图像莡最璾￡只嗤琍的像素具有相同的性质,不同南袼鼐哂胁煌男灾省简言之,图像分割目的就是把图像当中的感兴趣目标或区域分割提取出来。像素间的相似性和跳变性是图像分割的依据。相似性是指相邻区域内的像素的某种特性相似,例如像素的灰度一样,像素的纹理相同等;跳变性是指某些特性的不连续,例如像素的灰度值突变等【。图像分割在图像处理当中的重要作用表现在:首先,图像分割可把一幅图像转化为更抽象、更紧凑的图像形式,这样就能够进行较高层次的图像分析和理解;其次,图像分割也是目标表达的基础,将很大程度上影响到特征的测量、目标的识别等的质量和内容。如图说明了图像技术与图像分割之间的关系,峭枷检测、测量和提取的目标区域行巳で。
当前图像分割研究的主要内容和方法图像分割:在实际中的应用范围很广。图像分割在与图像处理相关的各个领域:郓有应用,且能处理多种类型的图像。实际的应用,在遥感通信中,对卫星云图的处理:在交通图像分析中,对违章车辆车牌的识别;在医学中,对脑部图像的分析;在面向对象的图像压缩和基于内容的图像检索中,对图像感兴趣区域的分割提取;在工业苣动化、在线产品检验、.生产程控、文件图像处理、保安监视等领域的应用;分割的方法程度至关重要,区域或目标提取的准确性将直接影响下一步处理工作的继续【。图像分割的内容较为复杂,各个分割内容之间可能存在着交叉,它的主要内容包括阈值分割、边缘呓检测和区域分割等图像技术【。区域分割是从一幅图像中把所需图像的目标区域分割出来的一