基于区域生长的图像分割文献概括.docxVIP

一.基于区域生长的高空间分辨率遥感图像分割与实现（李政国）1.种子点的选择种子点的选择是区域生长的首要任务。根据林区内地物呈区域状连续交错分布的特点,对种子点选取做了如下的适应性改进①建立种子标记矩阵,既为确定种子点,又标记合并到一个区域内的像素点②连续检测种子标一记矩阵,对已形成区域的外围边界点定位,任选一点作为下一区域的种子像素2.区域生长过程区域形成必须首先建立一个能够合并邻域像素的生长标准,其次要设计合适的生长方式。①区域生长准则区域生长过程中,生长标准的确定是关乎算法有效性的一个中心问题区域生长标准。基于区域的同质性,能够并入同一区域的像素,一定是符合某种标准的。把多光谱图像看做是多维空间,？？量测像素点之间的欧氏距离可以作为生长的标准。在多维空间中,任意两个位置的欧氏距离定义为：E为任意两点间的欧氏距离、d为空间维数，在d维空间中的任意两点在RGB空间中,基于种子点的欧氏距离可定义为为欧氏距离, 分别为非种子点和种子点, ，分别为非种子点RGB光谱值, ，分别为种子点光谱值。若为区域A的种子点,给定一个阈值T,则有，此式则成为区域生长及结束的判定标准。区域生长方式区域的连通性是区域生长又一重要条件,影响到分割算法的核心结构，因此在区域生长过程中,需要严格保证连通性条件即保证像素的四连通性或者八连通性。考虑到像素坐标的关联性,对上式做如下改进：，式中：。无论是四连通方式还是八连通方式,以,取值做为条件,可依次检测种子点周围邻接像素,保证了区域的连通性和完整性。二、彩色图像分割技术研究（曾璐）把基于自动种子区域生长的算法与聚类的算法结合起来,先对彩色图像进行颜色聚类,再进行自动种子区域生长。对于选取的种子区域必须满足三个重要的条件：1.种子区域必须与它的相邻区域由高度的相似性。2.生长后形成的区域必须有至少一个种子区域。3.不同区域的种子必须是不相邻的。种子选取的准则：1.被选为种子的区域,必须与其邻域有相当高的相似性,也就是说被选为种子的区域与它的邻域区域的平均距离要小于某个阈值。邻域的相似度的定义如下：代表区域的邻域, ，k为其邻域的个数。则邻域的相似度为: ;这里表示每个区域的色调的均值。表示所有区域的均值。阈值的确定可以利用图像自动阈值的选取方法来确定。经过颜色的量化后,色调被量化为等级,可以把自动选取阈值的方法应用到量化后的颜色空间当中。通过自动阈值的选取选择一个阈值使类间差最大。令的色调均值为T,此时的,所求的值就作为阈值threshold。当邻域越相似时, 的值越小,因此只要小于threshold就把选为种子区域。2. 被选为种子的区域,它与邻域的距离必须小于一个阈值。邻域之间的距离可以利用欧式距离来表示,公式如下：，k邻域的个数。与邻域最大的距离：准则1是为了检测种子区域与其邻域是否高度的相似。准则2是为了确定区域是否为2个区域的边界.如果两个种子区域是相邻的,先把相邻的种子区域进行合并。//区域生长的算法描述1.自动种子选取方法选取种子区域。2.标一记种子区域。3.种子区域合并。4. 当有区域被标记时,则循环遍历所有的种子区域。如果种子区域的邻域p未被标记而且不为种子区域,则将其取出。遍历p的邻域,如果的所有的邻域的标记相同,则把区域p的标记赋值为其邻域的标记,如果p的邻域中存在标记不同的区域,则将p的区域标记为距离最相近的区域标记的值。p被标记以后,则将其从种子的邻域中删除,同时该种子的邻域数目减1。之后更新种子区域的像素及H（色度）,S（饱和度）,V（亮度）的均值。最后把p的未标记的邻域添加到种子的邻域中。循环执行三、基于边缘检测和自动种子区域生长的图像分割算法（王蒙）先利用C anny算 子对图像进行边缘提取，得到边缘像素点集，再利用灰度直方图点集中选取自动种子点，结合相似度采用区域生长法进行图像分割，该算法能够实现阈值和种子的自动选取。在分割过程中，利用灰度直方图解决门限阈值和自动种子点的选取等问题，从而避免手动选取时造成的系统误差，以提高分割效率并改善分割效果。1.自动种子选取图像的边缘信息能较好的代表整个图像的大致信息，利用直方图分析图像的边缘信息能够较为简洁的得到图像整体信息。设 Ｎ 为自然数集合，而为灰度级集合。图像函数定义为，点（x,y）,设n为灰度为i的像元个数，则为灰度i的频度，称为图像f(x,y)的灰度直方图。在灰度直方图中，选取图像边缘信息中出现像素概率最高的点，即从灰度直方图中读出出现概率最多的像素值，在要处理的图像中找到该像素值对应的像素点，同时，标记这些边缘像素点，则这组像素点即为一组种子点，这样就完成了种子点的自动选取。选取的这组种子点，从广义上来讲，代表了图像边缘 的大致信 息，也 能大致反应出图像的整体信息。2.生长判决条件及生长过程设得到的边缘像素点集中，边缘像