基于小波变换的彩色图像分割方法.docxVIP

哈尔滨理工大学基于小波变换的彩色图像分割方法（结课论文） 科 目：小波分析及其在信号处理中的应用 学 号：1520600050 姓 名：常乐乐 专 业：信号与信息处理 指导老师：于贵江2016年8月18日基于小波变换的彩色图像分割方法摘要小波变换是近年来得到了广泛应用的数学工具，它在时域和频域都具有良好的局部化性质，而且小波变换具有多尺度特性，能够在不同尺度上对信号进行分析，因此在图像处理和分析等许多方面得到应用。 基于小波变换的阈值图像分割方法的基本思想是首先由二进小波变换将图像的直方图分解为不同层次的小波系数，然后依据给定的分割准则和小波系数选择阈值门限，最后利用阈值标出图像分割的区域。整个分割过程是从粗到细，有尺度变化来控制，即起始分割由粗略的L2(R)子空间上投影的直方图来实现，如果分割不理想，则利用直方图在精细的子空间上的小波系数逐步细化图像分割。分割算法的计算馈与图像尺寸大小呈线性变化。 基于小波变换的阈值分割 原理：传统的直方图阈值法图像分割技术的基本思想是图像由不同特征区域构成,它的直方图呈现多峰值，每个峰值对应一个区域，以谷值点为阈值划分相邻峰值。如果直方图有明显的谷值点，则比较容易选择阈值，然而在实际应用中，由于噪声的存在，往往很难有效地选择阈值，阈值设定易受噪声的影响。基于小波变换的阈值法图像分割技术则能够有效地避免噪声的影响。该方法的基本思想是首先由二进制小波变换将图像的直方图分解为不同层次的小波系数，然后依据给定的分割准则和小波系数选择阈值门限，最后利用阈值标出图像分割的区域。 优点：基于小波变换的阈值法图像分割技术能有效地弥补传统的图像阈值法分割技术的不足 ,具有较强的抗噪声性能 ,同时 ,对于直方图为多峰值的情况 ,可以利用小波的多分辨率分解 ,对灰度阈值进行合理地选择 ,实现对图像的分割处理。基于小波变换的多分辨分析的图像分割(与基于形态学的分割算法结合) 人类视觉系统初级阶段的视觉信息处理研究表明：基于空间一频域多分辨率分析的图像分割方法是与人类视觉特性相一致的方法，反映了人类视觉感知过程中的多分辨率、多方向特性，因此基于空间一频域多分辨率分析的图像分割方法引起了研究者们的广泛关注。 小波变换在图像分割中的应用包括：小波变换应用于边缘检测；多进制小波变换和模糊聚类方法应用于纹理分割。 波变换的多分辨率图像分析和分水岭分割算法的综合分割方法。 原理：传统的形态学分水岭算法存在严重的过分割现象。也就是说，形态学分水岭算法对原始图像和它的梯度图像中存在的各种噪声特别敏感．因此对图像进行分割时会出现过多的区域数量。 在分水岭算法之前，对图像进行多尺度形态滤波 ,从而有效地抑制噪声带来的干扰 ,然后求形态梯度图像 ,再利用区域内灰度相似性的原则 ,用区域生长法分割图像。结合小波变换多分辨率分析方法 ,这样就可以得到分割图像的初步效果 ,而且较好地保持了图像的轮廓。小波变换多分辨率分析方法与改进分水岭分割算法相结合的综合分割方法。此方法利用逐层影射和小波反变换可以得到高分辨率图像 ,与在原始图像上直接进行传统分水岭分割算法相比较,该方法的实验结果能有效地减少分水岭算法图像过分割现象。优点：基于小波分解和改进分水岭相结合的图像分割方法。此方法有效地保留了边界的信息 ,达到了预期分割的目的 ,为后期的试验做了很好的铺垫。实验结果表明本文所提出的方法无论是对含有等效噪声还是人为噪声的图像都有很好的分割效果。多进制小波变换和模糊聚类方法相结合应用于图像纹理分割 对于图像纹理特征的提取大致分为两类： 1． 统计方法；包括灰度共生矩阵法、局部极大值的数量、局部线性变换、自回归模型和马尔可夫随机场及最近的分形模型。空域／空域一频域方法：包括傅立叶变换、局部频率和走向、空 域能量、维纳分布、多通道6abor滤波和小波及小波包变换。 基于多通道滤波提取图像特征的分析和辨别图像纹理的方法符合人眼视觉生理的特点，近年来的生物视觉试验表明，空间一频率多尺度分析、多尺度分辨率多通道纹理分析方法是与人类视觉过程相一致的一种方法。故它是纹理图像分析的重要发展方向，已引起越来越多的注意。小波变换因其具有特殊的变焦的本领，它的出现为空间一频率多尺度分析提供了一个精确而统一的框架，使其脱颖而出。 原理：多进制小波变换应用于纹理图像分割的方法包括预分割和后分割两个过程，可以看作对应于纹理分类中的训练和分类两个阶段。预分割过程对提取的特征利用模糊C—均值算法进行聚类，获得原始图像的预分割结果，这相当于分类中的训练，获得纹理类别的各种聚类参数。后分割过程对预分割过程中获得的分类特征进行特征加权处理，然后对原始图像的所有特征重新进行分类，获得最终分割结果。优点：采用多进制小波变换和模糊C—均值聚类方法相结合的纹理图像分割，相比单