基于区域生长和蚁群聚类图像分割.docVIP

基于区域生长和蚁群聚类图像分割 　　摘要：提出了一种基于区域生长和蚁群聚类的图像分割方法――BRGAC。该方法首先用区域生长法对图像作 　　初始分割，然后利用蚁群算法搜索最优解的能力，在区域之间进行聚类合并，获得最终的分割结果。BRGAC算法不但克服了区域生长得不到有意义区域的不足，而且还大大提高了蚁群聚类算法的搜索时间，并利用初始分割后的空间信息和灰度信息定义了一种新的引导函数，可更准确有效引导蚁群聚类。实验结果表明，该方法可以准确地分割出目标，是一种有效的图像分割方法。 　　关键词：区域生长；群体智能；蚁群聚类；引导函数 　　中图分类号：TP391文献标志码：A 　　文章编号：1001-3695(2008)05-1579-03 　　 　　0引言?? 　　 　　图像分割是自动目标识别的关键和首要步骤，其目的是将目标和背景分离，为计算机视觉的后续处理提供依据。?? 　　区域生长是一种具有代表性的传统图像分割技术，该方法能够提供封闭的区域，且计算简单。但它需要人工交互以获得种子点，且区域生长方式对噪声敏感，导致抽取出的区域有空洞或者在局部体效应的情况下将分开的区域连接起来，产生了错误的分割结果。在此基础上研究者们提出了各种各样的扩展算法。Pohle等人将待分割区域像素值看做一个正态发布，先用原始区域生长算法估算出分布参数，再将该参数应用到第二次生长过程中，从而获