智能系统平台实验大作业.docxVIP

智能系统平台实验大作业学院 电子工程学院专业 智能科学与技术学号 姓名 图像分割方法综述/view/671764.htm图像分割就是把/view/42116.htm图像分成若干个特定的、具有独特性质的区域并提出感兴趣目标的技术和过程。它是由图像处理到图像分析的关键步骤。图像分割的数学表达形式可作如下描述：定义：对一幅图像 g（x，y）(0 ≤ x ≤ xmax,0 ≤ y ymax)进行分割就是将图像划分为满足如下条件的 N 个子区域gi（x，y）,i =1,2???N, （1）gi（x，y）=g（x，y）, 即由所有子区域组成整幅图像；（2）∪Ni=1g（x，y）是连通的区域,连通性是指在该区域内存在连接任意两点的路径；（3）gi（x，y）∩gj（x，y） = ?(i j,=1,2???,N i, ≠ j), 即任意两个子区域不存在公共元素；（4）区域g（x，y） 满足一定的均匀性条件，所谓均匀性(或相似性)是指区域内所有像素点满足灰度、纹理、颜色等特征的某种相似性准则。图像分割算法可以分为静止图像分割和运动图像分割算法。[2]静止图像分割技术比运动图像的分割更早成为学者的研究课题，早期发展的几十年里，较深入研究的分割方法可以分为两大类:基于边缘算法和基于区域的算法。后来，联合其他学科从不同角度提出了许多新方法，主要有:基于边缘的检测算法、阔值分割法、区域分割法、小波变换的分割方法。[3]与静态图像相比，运动图像的基本特征就是灰度的变化。运动图像分割方法的分类方法各异，大多数分类方法是模糊的或不完整的。纵观国内外相关文献，一般从两个角度对运动图像的分割进行分类:按运动图像本身的特征和按人工参与程度。[4]本文主要探讨静态图像的分割算法。1、基于边缘的检测算法图像分割的一种重要途径是通过/view/178264.htm边缘检测，即检测灰度级或者结构具有突变的地方，表明一个区域的终结，也是另一个区域开始的地方。这种/view/3814619.htm不连续性称为边缘。不同的图像灰度不同，边界处一般有明显的边缘，利用此特征可以分割图像。图像中边缘处像素的灰度值不连续，这种不连续性可通过求导数来检测到。对于阶跃状边缘，其位置对应/view/2362400.htm一阶导数的/view/3237470.htm极值点，对应/view/2173460.htm二阶导数的过零点(零交叉点)。因此常用/view/6086437.htm微分算子进行边缘检测。常用的一阶/view/6086437.htm微分算子有Roberts算子、Prewitt算子和Sobel算子，二阶微分算子有Laplace算子和Kirsh算子等。在实际中各种微分算子常用小区域模板来表示，微分运算是利用模板和图像/view/523298.htm卷积来实现。这些算子对噪声敏感，只适合于噪声较小不太复杂的图像。由于边缘和噪声都是灰度不连续点，在频域均为高频分量，直接采用微分运算难以克服噪声的影响。因此用/view/6086437.htm微分算子检测边缘前要对图像进行/view/2396027.htm平滑滤波。LoG/view/53313.htm算子和Canny算子是具有平滑功能的二阶和一阶微分算子，/view/178264.htm边缘检测效果较好，如图4所示。其中loG算子是采用/view/3703285.htmLaplacian算子求/view/856844.htm高斯函数的/view/2173460.htm二阶导数，Canny算子是高斯函数的/view/2362400.htm一阶导数，它在噪声抑制和/view/178264.htm边缘检测之间取得了较好的平衡。[5]2、阔值分割法图像阈值分割是利用图像中要提取的目标与其背景在灰度特性上的差异，把图像视为具有不同灰度级的两类区域（目标和背景）的组合。选取一个合适的阈值，以确定图像中的每一个像素点应该属于目标还是背景区域，从而产生相应的二值图像。阈值分割的基本流程是先确定阈值，然后将图像中所有像素值与阈值比较，根据比较结果将像素分成两类———目标或背景。通常有三步：（1）确定阈值。（2）将像素值与阈值比较。（3）把像素归类。以上三步中，最重要最关键的是第一步，就是如何选取最合适的阈值。如果能找到合适的阈值，就能对图像进行准确、方便的分割。[6] 3、区域分割法区域生长和分裂合并法是两种典型的串行区域技术，其分割过程后续步骤的处理要根据前面步骤的结果进行判断而确定。区域生长区域生长的基本思想是将具有相似性质的像素集合起来构成区域。具体先对每个需要分割的区域找一个种子像素作为生长的起点，然后将种子像素周围邻域中与种子像素有相同或相似性质的像素(根据某种事先确定的生长或相似准则来判定)合并到种子像素所在的区域中。将这些新像素当作新的种子像素