关于图片分割外文中文翻译.docx

外文文献翻译一种可重构的嵌入式彩色图像分割处理软件系统摘要 ：图像分割是图像分析和计算机视觉第一重要和最困难的步骤之一，它也被认为是机器视觉中最古老的问题之一。 最近， 几个分割算法已经迅速发展起来， 包括制定阈值，边缘定位和区域增长，这些为更快的图像/视频分析和识别系统的发展提供了很好的机会。此外，模糊分割算法本质上有助于区域的合成，更好地显示物体。这些算法有着细微的差别，但是都还不错。因此，算法的选择是基于主观标准的，或者基于应用程序本身。在这里，我们针对模糊推理分割（FRS）提出一种低成本的嵌入式可重构体系结构。FRS 有三个阶段（平滑，边缘检测和实际分割） 。初始的平滑操作是为了去除噪点，平滑和边缘检测算法也包括在这个程序步骤中。分割算法利用了边缘信息和平滑后的图像， 用来找到图像中的区域。 在这项工作中 FRS 分割算法被选择是依赖于它在一些列应用中展现的可靠性能。（面部检测，运动检测，自动目标识别（ATR） ） ，并且它开发成本低，有着可重构的计算平台，旨在低成本的应用。特别要提的是，本文提出的实现平滑，边缘检测和颜色的分割算法，使用 Stretch S5000 处理器，并且通过使用 Matlab 软件实现，最后对它们进行对比。在本文中，这种新的体系结构和替代技术、基准测试和比较结果，都进行了详细介绍。这是第一次我们看到了同时具有高吞吐量，出色的性能（至少在基准测试中）和低成本的实现。关键字：可重构，图像分割，可嵌入式系统，架构1 介绍1.1 分割在过去的三十年中， 许多计算机视觉， 模式识别， 图像分析和目标提取系统已开发。同时，模糊和半模糊聚类算法也提出了提取和识别定义对象的功能。为了让这些算法和系统成功，它们一般都拥有强大的平滑或分割技术做开始。因此，几乎所有的视觉和模式识别方法中，图像分割都是一个重要的开始步骤。一些研究已经把分割算法归类，如阈值或聚类， 边缘检测， 区域增长/合并和其他分割算法。 特别地， S.U. Lee 和 S.Y. Chung表明，双峰图像，就是只有一个对象，其余是它的背景这种图像，阈值方法会显示较好的效果。然而，当对象区域相比背景区域显得很小的时候，或者当对象和背景的灰度范围在同一水平时，选择一个好的阈值是很困难的。这种技术的另一个缺陷是，当图片中存在多个对象时也会出现问题。在这种情况下，寻找骤变的峰谷直方图使方案进一步复杂化，分割的结果可能会很差。边缘检测是相关的图像分割的另一种方法。边缘被定义为被检测到的灰度级或色彩急剧变化的位置。然而，在此操作中，很难保持检测到的边缘的连续性， 区域必须始终由一个连续的边缘包围。 区域增长/合并是第三种图像分割的方法。在这种情况下，大的区域很容易被检测到，之后，小的区域可以使用相同的标准合并。区域增长/合并一个不利的地方在于，这种方法固有的有序性。通常情况下，各区域产生的顺序取决于这些区域的增长和合并的顺序。1.2 颜色分割架构文献中报道了许多不同的颜色分割的方法。其中一个重要的方法是双色反射模型发展而来的。它描述了颜色的反射——光的表面反射（亮点）和物体的反射（物体颜色）的线性组合。使用这种模式，区域增长和合并法显示出了令人印象深刻的结果。在该方法中，一个物体上高亮度的区域和无光泽的区域合并了。然而，使用不恰当的阈值会使它的性能退化。有一些分割方法，它们不在 RGB 空间里分割彩色图像，因为它们和色彩的理解模型不切合。相反的，它们选择其他的颜色空间，比如 HIS 或者 YUV，这些都比 RGB 色彩空间显示出了更好的效果。这些图像分割过程融合了边缘检测方法来产生更好的结果。基于近似推理或模糊推理的分割产生了可喜的成果。Huntsberger 定义颜色的边缘为每个像素成员函数值的差异为零。 通过使用了 C 迭代分割算法得到了模糊算法成员函数值，尽管 C 迭代算法由于本身性质来说是耗时的。Lim 提出了一种自动化的从粗到细的分割方法。这种方法基于阈值直方图和 C 迭代算法。Lambert 和 Carron 提出了一个有趣的方法，结合色彩空间（根据相关色度处理和明确色相的界定） ，以系统规则为基础用符号表示（使用颜色和亮度功能，以确定像素的同质性） 。近年来，更多的基于色彩和纹理的分割技术被引入用作于大多数图像研究中，尤其是在彩色纹理的自然场景图像中。许多著作和文献中都有大量的对人类颜色和纹理感知的研究结果和应用，例如均匀的色彩空间和滤波器。因此，大部分的分割方法都把色彩和纹理作为图像分割功能实现的关键。最近，把色彩和纹理结合起来，试图增强色彩和纹理分割性能的方法正在努力研究中，也就是颜色纹理分割，其中包括区域增长法，分水岭技术，边缘流技术，基于模型的随机分割法。Markov 模型的色彩分割应用也被研究。最后，Boyokov等人基于图像分割技术原