细胞群模型的图像分割研究.docVIP

基于细胞群模型的图像分割研究 李淑萍 (兰州大学 信息科学与工程学院，兰州市 730000) 摘要：在人工协作细胞模型的基础上进行改进的一种方法——细胞群模型。待分割图像的每一个像素上一个细胞，细胞在图像构成的环境中按照一系列生命规则进化，这些规则包括变异、繁殖、死亡、进化。在没有先验知识的情况下完成图像分割任务，并且实验表明这种方法的效果很好。 关键字：图像分割 细胞群模型 人工生命 AN APPROACH TO IMAGE SEGMENTATION BASED ON CELLS MODEL Li Shuping (School of science and engineering,Lanzhou University,Lanzhou,730000) Abstract：Cell model is a method that improves on the basis of Artificial Collaborative Cell.In cell model,each pixel of the image is viewed as a cell。The cells evolve according to a system of biological rules,i.e.variation,reproduction, death and evolution in the environment of the image.The segmentation task is completed without any prior knowledge of the image.The experiments show the cell model applied to image segmentation is well. Key words: Image Segmentation Cell Model Artifical Life 研究背景 人工生命是八十年代末兴起的一门交叉学科，是联结信息科学和生命科学的一条纽带，人工生命研究那些，。通过对生命世界的模拟更好地理解生命现象，同时也为解决复杂问题提供新的思路和方法。过去的十多年，研究人员探索把人工生命应用到计算机图像中，开拓了研究思路，带来发现更新颖、更有效的理论和方法的可能性。 或者 Otsu是1979年提出的最大类间方差法称之为大津方法一直被认为是阈值自动选取的最优方法。最大类间方差法的大致过程为：记为图像点处的灰度值，灰度级为。记为灰度值的频率，则有： (2.1.1) 其中是图像包含的像素点的数目。 假设用灰度值为阈值分割出的目标与背景分别为：和，其灰度值范围分别为和，于是 目标部分比例： 目标部分点数： 目标部分平均灰度均值： 背景部分比例： 背景部分点数： 背景部分平均灰度均值： 图像灰度总均值： Otsu算法求图像最佳阈值的公式为： (2.1.2) 该式右边括号内实际上就是类间方差值，阈值分割出的目标和背景两部分构成了整幅图像，而目标灰度均值，概率为，背景灰度均值，概 率为，总均值，根据方差的定义即得该式。因为方差是灰度分布均匀性的一种度量，方差值越大，说明构成图像的两部分差别越大，当部分目标被错分为背景或部分背景被错分为目标都会导致两部分差别变大，因此，使类间方差最大的分割也意味着错分概率最小，这便是Otsu方法的真正含义。图像或包含物体图像的区域面积不大且有噪声，那么，直方图本身就会有噪声。除了凹谷特别尖锐的情况外，噪音会使谷的定位难以辨认，或至少是不同幅图像得到的结果不稳定可靠。当一幅图像被压缩为直方图后，所有的空间信息都丢失了。直方图描述了每个灰度级具有的像素的个数，但不能为这些像素在图像中的位置提供任何线索。因此，特定的图像有唯一的直方图，但反之并不成立——极不相同的图像可能有着相同的直方图例如，在图像中移动物体一般对直方图没有影响。阈值方法仅仅考虑了图像的灰度信息，忽略了图像中的空间信息，对于图像中不存在明显的个物体的灰度值范围有较大重叠的图像分割问题难以得到准确的结果。 阈值化分割 在数字图像处理中，上式的联系连续函数需要离散化，当高斯滤波器窗口尺寸为n时，上式的离散形式为： 式中m=(n-1)/2;在数字图像中，卷积运算可通过模板乘操作来实现。模板运算可看作是一种卷积运算，它的数学含义是一种邻域运算。对于灰度变化不大的图像，小的平滑模板就可以了。而对于灰度变化较大的图像，就需要大的模板。在图像处理过程中，一般采用奇数宽度模板。 对于B(x,y)的每一个像素B(i,j)利用微分算子(或Sobel算子)找到图像灰度的沿两个方向的偏导数(Bx,By),并求出梯度大小并利用结果求出方向： 沿幅角方向检测模值的极大值点，即得