基于自动多种子点的图像分割技术.docVIP

基于自动多种子点的图像分割技术 　　摘要:在水面图像区域分割中,分别选用了自适应直方图阈值、边缘检测和区域生长的方法对倒影区域进行了分割,分析了3种方法的局限性,并结合直方图阈值和区域生长给出了一种自动多种子点区域生长方法。实验结果表明,该方法算法实现简单,能有效提高分割质量,达到了预期效果。 　　关键词:数字图像处理;图像分割;边缘检测;区域增长;自动种子点 　　中国分类号:TP391.4文献标识码:A文章编号:1009-3044(2009)36-10269-03 　　Image Segmentation Based on Automatic Multiple Seeds 　　YANG Fan1, FAN Jin-hui2 　　(1.Liaoning Finance Vocational College, Shenyang 110122, China; 2.Shenyang Orient Titanium Co.ltd, Shenyang 110016, China) 　　Abstract: Through the methods of self-adapting histogram threshold, edge detection and region growing according to the water regionalisms. Discussed the limitations of the three methods and provide a regional growing way of automatic multi-Seeds. The experimental results show that the method algorithm is simple and can effectively improve the quality of segmentation achieved the desired results. 　　Key words: image processing; image segmentation; edge extraction; regional growing; automatic seeds 　　图像分割是进行图像识别和理解的基础,也是计算机视觉研究中的核心问题和经典难题之一,一直以来得到普遍关注与研究。在水面目标检测中。图像中水面区域分割的是一个重要环节。图像中水面区域有一定的相似性,而图像中非目标的固定物体及图像构成复杂,分割较为困难。图像分割的目的是要把图像分成各具特性的区域,并提取出感兴趣目标的过程,分割的结果与图像的复杂程度和尺度有关。尽管如今分割方法多种多样,但是没有任何一种图像分割方法能适用于所有图像。由于各种算法对图像的处理都带有一定的针对性和局限性,如何选择适用于当前图像特点的有效算法,是我们要解决的问题。 　　1 常用图像分割算法分析 　　直方图阈值法、边缘检测分割和区域生长的方法是常用的图像分割方法,这里对上述三种方法进行了实验分析。 　　1.1 自适应直方图分割法 　　HSI(色调、饱和度、强度)颜色空间符合人类视觉系统观察颜色的方式,能更方便地描述和控制彩色信息,另外还具有平移不变性和缩放不变性等特征。在HSI空间中,I分量与彩色信息无关,而H和S一起则描述了图像的色彩信息,与人感受颜色的方式是紧密相连的。通过对水面目标图像的实验发现在大部分情况下H和S分量受波浪的影响较小,可以和I分量形成很好的互补。 　　通过实验分析,图像中具有高亮特征的部分属于水面的可能性远大于不具备该特征的部分,图像中饱和度小的部分属于水面的可能性远大于不具备该特征的部分。基于上述假设,这里分别选取图像的亮度和饱和度作为特征,采取自适应直方图阈值方法分割图像,具体步骤为: 　　1)选择一个初时估计值T(一般为该特征的平均值) 　　2)使用T分割图像,产生两组像素:G1、G2 　　3)计算G1中像素特征的平均值并赋值给μ1,计算G2中像素特征的平均值并赋值给μ2 　　4)计算一个新的阈值T: 　　5)重复步骤2→4,一直到两次连续的T之间的差收敛于一个可接受范围。 　　该方法算法简单,复杂度低。实验发现,在多数水面区域变化不大的图像中,该方法适用,能够有效分割区域与水面区域。但是,并不是所有的待分割图像都符合直方图双峰性,在水面区域明暗变换较大,区域复杂的图像中,直方图阈值的方法不能很好的将区域分割,会造成误检或漏检;分割区域没有考虑连通性和边界特性,不符合人眼理解图像的标准。 　　1.2 基于边缘检测的区域分割 　　图像中,水面区域与其他区域形成了很明显的边缘特征。这也是人眼区分这两类区域的最主要特征。准确的检测出区域