图像分割策略和技术的综述.docxVIP

 PAGE \* MERGEFORMAT 14 A Review on the Strategies and Techniques of image Segmentation 关于图像分割策略和技术的综述 IEEE Fifth International Conference on Advanced Computing Communication Technologies.?2015:113 - 120 Akanksha Bali Computer Science and Engineering Department ASET, Amity University, Noida, India akankshabali5@ Dr. Shailendra Narayan Singh Computer Science and Engineering Department ASET, Amity University, Noida, India snsingh36@ sns2033@摘要——分割是将图像或图片分割成不同的区域以产生从所述背景兴趣对象相同的属性的方法。，这些区域具有类似的质地，强度，灰度级等的特征属性。这是一种方法，在这种方法中我们包括了对象所属的在一个类中的相同类别和其他目标对象所属的种类，用以在其他类里增加分离图像对象和背景。有几种图像分割技术，即传统的阈值（Ostu最佳阈值二值法）和聚类分割（K均值）。通过区分所有这些图像分割技术，我们必须去找到哪些细分哪些图像分割技术在图像分割特性中更好。分割是在构建分割环境中完成的。在这个构建的环境中，无论是K-均值，Ostu大津分割方法都不能产生良好的标准的分割，因为图像时刻的弱化以及和复杂的图像周围环境。 关键词——超声波图像；大津法；K-均值；合成孔径雷达(SAR)；阈值分割；期望最大值； 神经网络；波长分解 1 介绍 在计算机中的感知，图像被检测为通过携带信息的最重要的手段解释的图像。此信息也可以是用于例如另一个任务：识别和癌细胞，机器人的船舵手诊断和机场的认可检测数据这是在遥远的，因此图像分割为由于方法或技术，这是我们可以解释图像和撤出的有用信息该图像。此步骤称为图象检验或图像分析图像分割方法是在图像的识别广泛使用和在许多领域，如图像的分类医疗，法医和农业[1]。 它是用于图像处理的最复杂的阶段之一，因为分割图像的标准影响其产生不精确的和错误的结果左进程的结果。计算机辅助设计是由它来完成图像分割而不会丢失信息为医疗情迷目的设计对于医疗情迷目的做图像分割而不会丢失信息是可以通过计算机辅助诊断（CAD）完成一项具有挑战性的工作[2]。 K.Hammoudda 等人，使用无???督的方法用于Gabor滤波器和Kmeans算法的帮助下进行分割。他提出了三种分割方法分别称为K均值聚类，阈值和最大化期望的分割方法。阈值因为它的清晰度和直接性质和聚类方法，因为它的高效地分类图像能力，是用于图像分割技术之间的图像分割的非常公知的方法[41]。 第一种方法称为Otsu方法的取决于灰度方法直方图并且被广泛适应，因为它是简单的，精确地处理灰度级图像的能力，它能够与全局阈值一起工作，并且它需要前者知道直方图的结构。聚类技术是基于它们的同质性，将对象无监督地分类成有意义的组或聚类。 2文献综述 这一部分的相关工作考虑了对图像分割工作进行的几个研究。我们所采取的第一篇论文是基于无监督技术的分割，基本上是在纹理图象上形成研究的。 Khanna 等人发表了这方面的比较说明。作者展示了基本的三个无监督技术，包括K均值聚类，阈值和期望最大化。纹理表现出一种相对性或基本图案的周期性，其可以用于识别不同的对象。这里通过无监督技术使用的图像是从放射科医生接收的超声图像。后来，作者发现纹理检测对于US图像分割比边缘分割更准确。由于这个原因，作者讨论了Gabor滤波器发现它的用途，因为它具有执行多分辨率分解的能力，由于其在空间和频域中的定位。本文使用上述提出了四个步骤的模型，其中包括幅度算子，幅度算子，高斯算子和Gabor前置滤波器算子，然后分割，从而产生输出[21]。 K.K Singh和A.Singh讨论了用于不同应用领域的不同类型的图像分割技术。讨论了基于像素，基于边缘，基于区域的分割技术。还解释了像种子区域和彩色图像分割算法的图像分割算法。与分割技术一起，还定义了应用领域[2]。 T.Ravichandran 等人，表示本文称为四叉树衰变，圆形阈值，圆形分割，区域分割和合并，直方图聚类和基于注册的分割的重要讲义。他的工作是基于四边形从边缘图建立的基于四边形的框架的图像分割。在边缘图中，具有相同质量的相邻四边形然后组合在一起以形成区域。他提出的算法主观和客观地评价的功能比名为种子区