关于像素图像模糊理论分割方法的分析.pdf

A Dissertation Submitted to Shanghai Jiao Tong University for the Degree of Master of Engineering Pixel Based Image Segmentation Method Research Using Fuzzy Theory Author: Li Jianli Specialty: Software Engineering Advisor I: Assoc. Prof. Xiao Shuangjiu Advisor II: Xiao Kai School of Software Shanghai Jiao Tong University December 20 13 万方数据 万方数据 万方数据 基于像素的图像模糊理论分割方法的研究 摘要 基于像素的图像模糊理论分割方法的研究 摘 要 经过二三十年发展，数字图像处理在电子计算机工程领域已经成为 了一个非常重要的课题。图像分割，往往是图像处理初始阶段中最重要 的一个环节，是许多基于图像、视频以及计算机视觉应用的预处理步骤， 通常在图像处理应用中扮演着非常关键的角色。它是图像处理中一个最 基本的问题，但同时又是复杂和困难的，这在很大程度上是由于至今没 有任何一种方法适合所有的分割需求，必须针对不同问题使用不同方法。 在许多实际情况下，数字成像由于各式各样的原因，如有限的空间 分辨率、对比度差、噪声干扰、亮度分布不均，通常具有不确定性和模 糊性的特点，因而适合模糊理论知识对于图像这种不确定性的良好描述， 这也是当下图像分割领域的一个热点所在。 本文就以模糊理论为基础，研究在图像分割中常用到的模糊阈值及 模糊 C 均值算法，提出了改进的算法框架，并在医学图像处理中进行了 应用测试。论文的主要研究工作和贡献包括： （1）提出了一个基于灰度直方图和像素相似性的模糊阈值分割框架。 通过图像中像素集合模糊度进行相似性模型计算，选择合适的隶属度函 数及模糊度测量从而在这种情况下产生提取目标对象的最佳阈值。该方 法不需要先验知识，不基于最优化方程，从而在应对某些类型的图像具 有优势。直接通过模糊隶属度函数计算目标区域和背景区域像素点集合 的相似性程度，得到合理阈值，而非一般地求解最优方程，该方法可以 有效避免某些陷入局部极值的情况。这也意味着该框架并不是得到全局 最优解，因此对于一系列相同规格的图像，通过选择不同的模糊隶属度 第 I 页 万方数据 基于像素的图像模糊理论分割方法的研究 摘要 函数从而得到较合适的阈值。 （2）提出了一种基于空间信息的模糊C 均值聚类改进算法mbFCM。 虽然模糊 C 均值聚类算法及其相应改进已被广泛使用在非监督的图像分 割应用上，但还是或多或少受到噪声或者细节缺失的影响。通过合理利 用图像邻域空间信息结合双边滤波，并进一步使用多分辨率分析, 使得 该算法对于高、低频噪声均较不敏感，可以有效去除噪声，并产生更均 匀的聚类区域，保留更多细节，从而显著提高