基于小生成树的图像分割方法研究.docVIP

 目 录 摘 要 I Abstract III 第一章 绪论 1 1.1 课题研究的背景和意义 1 1.2 国内外研究现状 2 1.2.1 边界检测和边缘连接 2 1.2.2 基于区域的分割 3 1.2.3 结合特定理论工具的分割技术 4 1.3 本文的主要工作及创新点 7 1.4 本文的组织 7 第二章 基于图论的图像分割方法 9 2.1 基本理论概念 9 2.1.1 图的分割 9 2.1.2 图像的分割 11 2.1.3 彩色空间分割 13 2.2 三种基于图论的图像分割方法 14 2.2.1 Ratio Cut 分割法 14 2.2.2 Normalized Cut 方法 15 2.2.3 Isoperimetric Ratio 方法 16 2.3 最小生成树分割方法 18 2.3.1 最小生成树概念 18 2.3.2 构造最小生成树 19 2.4 本章小结 21 第三章 基于数学形态学分水岭算法 22 3.1 形态学图像处理 22 3.1.1 基本概念 22 3.1.2 灰度图像中的基本操作 23 3.1.3 灰度级形态学的应用 24 3.2 分水岭算法 25 3.2.1 分水岭概念 25 3.2.2 分水岭分割二值图像 26 3.2.3 分水岭分割梯度图像 27 3.2.4 控制分水岭过分割方法 28 3.3 本章小结 30 第四章 基于分水岭的最小生成树图像分割方法 31 4.1 图像预处理 31 4.1.1 颜色空间变换 31 4.1.2 求取梯度图像 32 4.2 基于分水岭的最小生成树图像分割方法— K ?VW 方法 34 4.2.1 方法背景 34 4.2.2 Vincent 分水岭算法 34 4.2.3 最小生成树合并区域 37 4.2.4 K ?VW 方法 42 4.3 实验分析 44 4.4 本章小结 46 第五章 总结与展望 477 5.1 已完成的工作 47 5.2 进一步的研究工作 47 参考文献 49 致 谢 52 攻读硕士学位期间发表的论文和参与的项目 53  基于最小生成树的图像分割方法研究 摘 要 图像处理广泛应用在医学图像、遥感云图、指纹识别、人脸检测、地质勘探 等领域。图像分割是图像处理过程中的一个关键步骤，为图像检索、图像分析提 供有效的信息，使更高层次的图像处理成为可能。常见的图像分割方法归纳为基 于边界检测和边缘连接的方法、基于区域的分割方法和结合特定理论工具的分割 方法三大类。近几年，将图论方法与其他方法结合，使图像分割转变为最优化问 题，成为国内外图像分割领域研究的热点。 本文详细阐述了基于图论的???像分割方法，在分析最小生成树方法的概念、 原理的基础上，针对 Kruskal 算法无法根据新生成区域修改加权区域邻接图的不 足，提出一种改进的 Kruskal 算法：区域合并后，重新计算新区域与相邻区域的 权重，修改 WRAG 和边的排列顺序。改进算法使 WRAG 更接近原图像的特征。 为了降低 Kruskal 算法中节点和边的数目，在介绍了分水岭算法的思想、基 本模型和主要缺陷后，将基于数学形态学的分水岭方法引入最小生成树方法中， 提出 K ?VW 方法。首先，利用分水岭方法对梯度图像预分割，生成的过度分割 区域转化为无向图中的节点，相邻区域间的差异转化为边的权重，构造加权区域 邻接图（WRAG），再利用改进的 Kruskal 算法，结合 Deepthi Narayan 提出的合并 准则，通过区域内部差异函数、阈值函数，比较区域内部差异和外部差异，利用 图像自身信息，将符合合并准则的区域进行合并操作。基于分水岭的最小生成树 方法既能消除分水岭的过度分割现象，又能降低边的数目，获得图像的全局特征， 保持较好的区域一致性。 最后，本文通过对多幅彩色图像的对比实验，验证 K ?VW 方法的分割效果。 实验表明：对于前景、背景对比明显，区域内部特征变化缓慢，区域边缘部分特 征变化剧烈的彩色图像，本文的方法分割效果较好，具有较强的适用性和较高的 实用价值。对于包含较多噪声和细节的彩色图像，分割结果会存在冗余区域和错 误边界的现象，需要进一步改进。  关键词：图像分割；最小生成树；分水岭；图论； Kruskal 算法 中图分类号： TP391.4  Research of image segmentation based on minimum spanning tree Abstract Image processing is widely used in medical images, remote sensing images, fingerprint identification, face detection, geological exploration and