图像分割常用算法优缺点探析..docVIP

瞿燕慧　　图像分割常用算法优缺点探析  探索研究  图像分割常用算法优缺点探析 瞿燕慧 （长沙黄浦外语学院 湖南省 410004） 摘　要图像分割是数字图像处理中的重要前期过程，是一项重要的图像分割技术，是图像处理中最基本的技术 之一。本文着重介绍了图像分割的常用方法及每种方法中的常用算法，并比较了各自的优缺点，提出了一些改 进建议，以期为人们在相关图像数据条件下，根据不同的应用范围选择分割算法时提供依据。 关键词图像分割算法综述  一、引言  差法。它是一种自动的非参数非监督的门限选取法。该方法的 图像分割决定了图像分析的最终成败。有效合理的图像分 基本思路是选取的t的最佳阈值应当是使得不同类间的分离性 割能够为基于内容的图像检索、对象分析等抽象出十分有用的 最好。它的计算方法是首先计算基于直方图而得到的各分割特 信息，从而使得更高层的图像理解成为可能。目前图像分割仍 征值的发生概率，并以阈值变量t将分割特征值分为两类，然 然是一个没有得到很好解决的问题，如何提高图像分割的质量 后求出每一类的类内方差及类间方差，选取使得类间方差最 得到国内外学者的广泛关注，仍是一个研究热点。 大，类内方差最小的t作为最佳阈值。 多年来人们对图像分割提出了不同的解释和表达，通俗易 由于该方法计算简单，在一定条件下不受图像对比度与亮 懂的定义则表述为:图像分割指的是把一幅图像分割成不同的 度变化的影响，被认为是阈值自动选取的最优方法。该方法的 区域，这些区域在某些图像特征，如边缘、纹理、颜色、亮度 缺点在于，要求得最佳阈值，需要遍历灰度范围0—(L-1)内的 等方面是一致的或相似的。 所有像素并计算出方差，当计算量大时效率会很低。同时，在 二、几种常用的图像分割算法及其优缺点 实际图像中，由于图像本身灰度分布以及噪声干扰等因素的影 （一）大津阈值分割法。 响，仅利用灰度直方图得到的阈值并不能使图像分割得到满意 由 Otsu于1978年提出大津阈值分割法又称为最大类间方 的结果，虽在一定程度上可以消除噪声的影响，但该方法计算  现有甲，乙，丙三所高校需要进行教学质量评估。专家评 分后的各个因素最后得分如下表：  表—4 （二）综合评价公式及应用。 由上述计算结果得出，准则层的权向量为： w (1) T (2) =(w0 (2) ， w1 (2) ) T =(0.3842，0.2295，0.0804，0.0409，0.1209， 把各个因素的得分代入我们的评价模型（I）得出三所高 T 校教学质量的综合水平评分为：6.1127，5.2344，4.0254；因 因此，容易得出高校教学质量评估的综合评价模型（I） 此，它们的综合教学质量由高到低的次序为：甲、丙、乙。 为：0.320X1+0.191X2+0.067X3+0.034X4+0.101X5+0.033X6+0.087 六、模型的评价及推广 X7+0.013X8+0.109X9+0.011X10^^^^^^^^^^^^^^^^^^^^^^^^^(I) 本文通过层次分析法建立了高校教学质量评估的综合评价 其中Xi,表示因素Ci 在专家评价下的最终得分， 模型，应用该方法得出的三所高校的评价结果也比较合理。该 i=1,2,……，10 。 模型具有较强的推广价值，比如应用在大学生综合素质评价， 在本文中采用10分制分别对因素C1，C2，……，C10进行专 教师教学质量评价等数学问题的处理上。但是，由于层次分析 家评分。不妨假设专家由多人组成，对层次结构中每一个因素 法用的决策矩阵具有一定的主观性，我们的决策矩阵虽然是用 如（Ci）分别打分后，先去掉一个最高分，去掉一个最低分， 的由专家赋值法得到的，数据也具有广泛的代表性，但仍不能 然后对剩下的评分结果求平均值即为该因素的得分（Xi）。 确保其准确性与科学性。  参考文献: [1]姜启源，谢金星，叶俊。《数学模型》第三版，北京，高等教育出版社，224—2442004.4 [2]赫孝良，戴永红等。《数学建模竞赛赛题简析与论文点评》，西安，西安交通大学出版社，2003.6  3/2010  57  探索研究 量相当大，难以应用到实时系统。 （二）基于边缘检测的分割算法。  瞿燕慧　　图像分割常用算法优缺点探析 算法目前还存在一些问题，如计算量大、所耗时间长，收敛速 度缓慢，不能保证学习结果达到均方误差的全局最小点，没有 基于边缘检测方法的基本思想是先检测图像中边缘点，再 按一定策略连接成轮廓，从而构成分割区域。其难点在于边缘 检