图像分割技术学年论文.doc

第一章 图像分割技术基本现状和发展趋势 1.1图像分割的意义 在一副图像中，我们常常只对其中的某些目标感兴趣，对于这些我们感兴趣的目标，它们通常在要分割的图像中占据一定的区域，而且在某些特性上与周围的图像存在一定的差别。这些差别可能非常明显，也可能十分细微，以至于人眼无法觉察。 图像分割是按一定的制约规则把图像划分为若干个互不相交、具有特定性质的区域，是把我们关注的区域从需要分割的图像中提取出来，以此进行进一步研究分析和处理的技术。图像分割的结果是图像特征提取和识别等图像理解的基础，对图像分割的研究一直是数字图像处理技术的焦点和热点。 图像分割把图像空间分成一些有意义的区域，与图像中各种物体目标相对应。它使得其后的图像分析和识别等处理过程中所要处理的数据量大大减少了，同时又保留了有关图像结构特征的信息。通过对分割结果的描述，能够理解图像中包含的有关信息。图像分割质量直接影响后续图像处理的效果，甚至决定其成败，因此，分割的方法和精确程度至关重要。由此可知，图像分割在图像工程中占据非常重要的位置。 图像分割在不同的领域也有其它的名称，如目标轮廓技术、目标检测技术、阈值化技术、目标跟踪技术等，这些技术本身或其核心实际上也就是图像分割技术。 1.2图像分割技术的基本现状 图像分割算法的研究已经有几十年的历史，一直都受到人们的高度重视。关于图像分割的原理和方法国内外已有不少的研究成果，但一直以来没有一种分割方法适用于所有图像分割处理。 传统的图像分割方法存在着一些不足，无法满足人们的要求，给进一步的图像分析和理解过程带来了困难。随着计算机技术的发展及其相关技术的成熟，结合图像增强等图像处理技术，我们已经能够在计算机上实现图像分割处理过程。然而，到目前为止，人们还没有制定出选择合适分割算法的标准，这给图像分割技术的应用带来许多实际困难。因此，图像分割的研究还在不断深入，是目前图像处理中研究的热点之一。 图像分割在图像工程中起着承上启下的作用，是介于低层次处理和高层次处理的中间层次。早在1965年就有人提出了检测边缘算子边缘检测方法，边缘检测已产生了不少经典算法。目前越来越多的学者开始将数学形态学、模糊理论、遗传算法理论、分形理论和小波变换理论等研究成果运用到图像分割中，产生了结合特定数学方法和针对特殊图像分割的先进图像分割技术。 1.3 图像分割技术的发展趋势 由于图像分割技术在当今图像工程的发展过程中起着十分重要的作用，得到了广泛应用，促使人们致力于寻找新的理论和方法来提高图像分割的质量，以满足各方面的需求。 由于遗传算法、统计学理论、神经网络、分形理论以及小波理论等理论在图像分割中广泛应用，图像分割技术呈现出新的发展趋势： (1)多种特征融合的分割方法。除利用图像的原始灰度特征外，我们还可以利用图像的梯度特征、几何特征(形态、坐标、距离、方向、曲率等)、变换特征(傅立叶谱、小波特征、分形特征等)及统计学特征(纹理、不变矩、灰度均值等)等高层次特征，对于每个待分割的像素，将所提取的特征值组成一个多维特征矢量，再进行多维特征分析。通过多种特征的融合，图像像素能被全面描述，从而获得更好的分割结果。 (2)多种分割方法结合的分割方法。由于目标成像的不确定性以及目标的多样性，单一的分割方法很难对含复杂目标的图像取得理想的分割结果。此时，除需要利用多种特征融合外，还需将多种分割方法结合，使这些方法充分发挥各自的优势，并避免各自的缺点。采用哪种方式结合以获得良好的分割效果是这种方法研究的重点。 第二章 图像分割的主要方法 图像分割是图像处理的一项关键技术，从20世纪70年代开始受到人们的高度重视，至今，人们已经提出了上千种分割算法，现在已经提出的分割算法大部分是针对具体问题的，并没有一种适用于所有图像的通用分割算法。而且，至今还没有制定出选择合适分割算法的标准，这给图像分割技术的应用带来许多实际困难。因此，对图像分割的研究还在不断深入之中，它是目前图像处理中研究的热点之一。 图像分割在图像工程中起着承上启下的作用，可以认为是介于低层次处理和高层次处理的中间层次。最近几年又出现了许多新思路、新方法和改进算法。 多年来人们对图像分割提出了不同的解释和表述，借助集合概念对图像分割可给出如下定义：令集合R代表的整个图像区域，对R的图像分割可以看做是将R分成N个满足以下条件的非空子集。 (1)； (2)对于所有的i和j，，有； (3)对于，有； (4)对于，有； (5)对于，是连通的区域。 其中是对所有在集合中元素的逻辑谓词，表示空集。 代表分割的所有子区域的并集即为原来的图像，它是图像处理中的每个像素都被处理的保证。指出分割结果中的各个区域是互不重叠的。表明在分割结果中，每个区域都有其独特的特性。