多层多路图像分割研究.docVIP

多层多路图像分割研究 　　摘要：图像分割技术关系到图像的处理效果，是优化图像的关键技术。目前对图像分割方法的研究内容较多，由于图像的特异性和对图像的需求不同，图像分割不能确定一个具有广泛意义的分割方法。该文介绍图像分割的基本内容，针对目前使用较为普遍的图像分割技术如阀值分割、基于边缘的图像分割以及利用数学模型进行分割的方法，提出各个分割方法的特点和优势，并介绍图像分割技术的应用现状，给图像分割提供一定的参考和技术支持。 　　关键词：图像分割；阀值分割；边缘优化；算法分析 　　中图分类号：TP302 文献标识码：A 文章编号：1009-3044（2014）25-5974-02 　　图像分割是将图像按照一定方法进行划分，并提取出想要的部分进行分析。图像分割技术是对图像进行处理的第一步，图像分割质量将对最后的图像处理效果产生直接的影响，尽管目前业界已经认识到图像分割的重要性，但并没有统一的方法适用于所有的图像分割，目前图像分割技术已经成为计算机技术和图像处理技术中的重要课题，加强对图像分割技术的研究有助于提高图像分割质量。 　　1 图像分割的定义 　　人类可以通过多种感觉感知外界信息，图像作为视觉感知的主要内容，其传递的信息更加丰富，但生活中我们可能只对所看到图像中的一部分感兴趣，这部分感兴趣的目标只是图像中的一小部分，而且可能与周边的环境存在一定差别。图像分割就是利用计算机技术和图像处理技术将具有不同特征的图像部分从总体中提取出来，图像分割技术关系到图像处理效果的好坏，也逐渐引起人们的重视。 　　目前对于图像分割的研究还不够深入，不能获得一种通用的办法对所有的图像或者大部分图像进行有效的分割，也没有一种方法能够兼顾所有需要注意的内容。其主要原因在于图像本身的色彩、内容较为复杂，图像获得过程中受到的影响较大，而且对图像分割质量的评判标准无法统一，主观性较大，因此图像分割技术是目前计算机视觉中的经典问题。 　　2 经典的图像分割方法 　　从图像分割技术提出开始，已经出现了成百上千种的图像分割方法，新的针对图像分割技术的算法也在逐渐涌现。尽管这些算法在进行图像分割时采用的方式存在一定的差别，但其本质都是基于像素灰度值的不连续性和相似性两个特点进行的，像素的相似性指的是在图像的同一个部分，像素的灰度值比较接近，不连续性指的是在相邻两个区域的连接位置像素的灰度存在跳跃现象。目前的图像分割技术主要有以下几种：阀值分割、基于边缘的图像分割和基于函数的图像分割。 　　2.1 阀值分割方法 　　阀值分割是图像分割技术最经典的方法之一，该方法主要依靠图像上各个位置的像素灰度差别进行图像分割。进行图像分割时，针对一个分割图像，根据需要设定一个阀值，就能将图像进行有效的分割，分割后的图像包括目标图像和背景图像两个部分，这种分割方法一般称为单阀值分割。当所要分割的图像较为复杂或者对图像分割的精度要求较高时，单阀值分割不能满足需要，需要在阀值选择时同时选择多个阀值，才能将目标图像分割成想要获得的结果，这种分割方法成为多阀值分割。多阀值分割后还要对分割后的目标图像进行分析处理，确定目标图像的唯一性。阀值分割方法简便快捷，能够在短时间内实现图像的快速分割，当图像灰度值相差十分明显时，阀值分割能够实现图像的快速有效处理，当图像灰度变化很小时，阀值分割的精度有限。此种分割方法的关键在于阀值的选取，近年来对阀值的选取也进行了很多的研究，选取方法包括最大相关性原则、拓扑稳定原则、共生矩阵等等，为了提高阀值分割的精度，进行阀值选择时可以考虑多种算法同时使用，这也是图像分割的前进方向。 　　2.2 基于边缘的图像分割技术 　　边缘的定义与其字面意思不同，在图像分割中可以指代任何出现图像信息突变的位置，包括图像的局部不连续等情况，具体的如图像的灰度突变或者图像内容的突变等等。在图像分割中，边缘意味着某一区域范围图像的结束和下一范围图像的开始，边缘的检测目前使用最普遍的是空间微分算子。在灰度存在明显差别的图像之中肯定有边缘的存在，这也是一种边缘确定的方法，灰度的不连续能够利用灰度导数确定。目前对于边缘的检测还包括一次微分、模板操作等方法。对于一些图像较为简单，且边缘过渡十分明显的图像，边缘检测能够收到良好的效果，但对于边缘结构较为复杂如边缘不连续甚至边缘丢失的图像，利用这种方法检测难度较大，而且噪声的存在会降低检测的精度，这也给图像分割带来了一定的难度。目前普遍使用的方法是先对图像进行降噪处理，然后求导或者进行图像的灰度拟合，利用拟合函数进行分析，这种方法能够降低噪声对图像分割的影响，但分割效果还是差强人意，如何获得精度较高的边缘是基于边缘图像分割方法将来研究的关键。 　　2.3 基于函数优化的图像分割 　　区别于传统的分割方法，这种方法主