基于图论的阈值化图像分割方法与研究.doc

基于图论的阈值化图像分割方法研究  摘  要  图像分割是图像处理与计算机视觉领域低中最基础和重要的领域之一，是 图像进行视觉分析和模式识别的基本前提。基于图论的图像分割方法是图像分 割领域中的一个研究热点，该类方法将图像映射为带权无向图，把像素视作节 点 , 利用最小割集准则得到图像的最佳分割，会有一些问题不可避免的出现。 但是，如果单纯的使用这类方法对图像进行分割的话，无法得到好的分割效果。 因此需要结合其他的理论和知识对其进行改进，以便使得这类图像分割方法具 有更好的实效性。 本文针对基于图论的图像分割方法中存在的问题，把基于Normalized Cut 准则和Min-Max Cut准则图像分割方法分别与阈值化图像分割方法相结合，并对 衡量像素点间相似性的计算公式进行改进，取得了一定的实效性。本文主要的 研究工作如下： （ 1） 研究和分析了基于图论的图像分割方法和阈值化分割方法的理论及进 展，对两者的结合的可行性进行了探索。 （ 2） 针对基于图论的图像分割方法在处理含有噪声图像时的不足，提出一种 新的具有抑制噪声能力的图像阈值化分割方法。该方法采用Normalized Cut准则划分测度作为划分目标和背景的阈值分割准则，并在图权计算公 式中，增加了像素点与其邻域的空间相关信息，以提高算法的抗噪性。 实验结果表明，该方法具有很强的抑制噪声能力。 （ 3） 针 对 基 于 图 论 的 图 像 分 割 方 法 中 通 用 性 的 不 足 ， 提 出 了 一 种 新 的 基 于 Min-Max Cut的阈值化图像分割方法。该方法采用Min-Max Cut划分测度 作为区分目标和背景的阈值化分割准则。在描述图像各像素间的相似性 关系权值矩时，把基于图像像素的权值矩阵换成基于灰度级的权值矩阵， 大大节约了算法实现的复杂度和算法所需要的存储空间度。并用类似于 基因势函数的计算公式作为图权公式，该公式以统计学的形式更为全面 的反映了两像素点间的相似性，同时又避免了通过手动的形式来设置控 制像素点间相似性因素的差异敏感程度参数的不足，提高了算法的通用 性。通过实验结果，验证了本章算法的实用性。 关键词：图划分；图像分割；Normalized Cut；Min-Max Cut Research of Threshold Image Segmentation Based on Graph Theory ABSTRACT As one of the most important and typical problems in image processing and computer vision fields, image segmentation is the basic premise in image vision analysis and pattern recognition.Image segmentation based on graph theory is a research focus in image segmentation fields,this approaches are the formation of a weighted graph,where each vertex corresponds to an image pixel,the best segmentation of the image can be obtained by minimal cut sets,and achieve good results of image segmentation.But some problems and deficiencies may be found in the process of implementation, if we just simply use this approaches. other theories are combined with this approaches to get better effectiveness. Aiming at the problem exists in the image segmentations based on graph theory, the thesis combines the Normalized Cut standard and Min-Max Cut standard with threshold image segmentation, and improves the computational formula which used to measure the similarity between the pixe