图像阈值分割方法的研究.docVIP

图像阈值分割方法的研究 摘 要：图像分割是一个十分基础却十分重要的问题，它是数字图像处理和数字图像分析之间的关键桥梁，图像分割效果的好坏与后续一系列图像分析问题密切相关。所以，图像分割技术在整个数字图像处理中的地位十分重要。 本文首先对图像分割的有关理论做出简单的介绍，重点探究图像阈值分割技术。将对几种比较常见的阈值分割算法进行研究，主要是迭代法、最大类间方差法、最大熵法、最小误差法，并且对特定图像在MATLAB环境中进行了仿真测试。 本文采用了一种图像分割评价标准，综合了Dice系数、Hausdorff距离、Jaccard相似系数、准确率、召回率等指标。将手动分割的图像作为金标准，与算法分割的图像进行比较，在MATLAB环境下给出算法图像与金标准图像的相似度，从而可以在评价各图像阈值分割算法上具有更强的说服力。 从最终的实验结果和参数分析可以看出，相比较其他三种算法分割方法，最大类间方差法不仅可以将图像中的背景和目标分割开来，而且对于图像细节的处理也比较好，并且在处理不同图像的图像时也具有良好的稳定性。 关键词：图像分割;阈值分割技术;图像分割评价标准 前 言 人类主要通过听觉和视觉对外部环境进行感知，而视觉感官占主要部分，所以我们从外部所获得的图像、视频信息对我们而言十分重要[1]。当人们观察一幅图像时，只有图像中的一部分内容是人们所需要的，这部分内容也往往和其周围的图像内容有所不同，这些不同一般表现在颜色、形状、灰度等方面。但是，这些不同点可能是十分细微的，导致人体的肉眼无法分辨，此时，便显示出图像分割的重要性。图像分割可以将图像分为不同的区域，而我们所需要解决的问题决定了我们要对这幅图像分割到什么程度。也就是说，在图像分割的应用中，当已经识别出我们所需要的目标时，图像分割工作就已经完成了[2]。可见，图像分割技术在整个数字图像处理中的地位和重要程度不容忽视，这就促使人们将目光投向于寻找更加实用、有效的分割算法使图像分割的效率和质量获得进一步的提高，从而可以适应各个应用领域不同的需求。 第一章 绪论 1.1 图像阈值分割的背景及研究意义 科学技术随着社会的快速发展而飞速进步，所带来的图像信息也不断增加，我们需要用图像处理技术从庞大的数据图像库中找寻我们所需要的信息。图像分割在数字图像处理技术中的重要地位不容忽视，任何的图像在进行图像分析时都必须首先进行图像分割，后续分析过程中的工作能否顺利进行在一定程度上也取决于图像分割质量的好坏。所以，图像分割在整个数字图像处理中的位置也十分重要，这也一直是国内外学者的研究热点，如图1.1.所示： 图1.1数字图像处理中图像分割的重要作用 将图像中我们所感兴趣的、具有某些我们所需要的性质的像素区域从原来的图像中提取出来的过程就叫做图像分割。图像分割受到国内外科研人员的关注，迄今为止，虽然已经有很多的分割算法被提出，但是分割的理论并没有统一。目前所提出的每一种分割算法都不能保证完全适应于每一幅图像。并且，利用分割算法所获得的分割图像与我们所期望的理想分割图像并不完全一致，总是存在着一定的差距。尽管图像分割技术有一定的局限性，但是仍在各个领域的应用还是比较普遍的。 1.2 图像阈值分割国内外研究现状 20世纪60年代，数字图像处理技术开始获得飞跃性的发展，几乎在各个领域中都可以看到图像处理技术的身影。在数字图像处理中，图像分割技术是图像理解和图像识别的前提。基于阈值的图像分割方法因为计算方法简单，计算效率较高，并且性能较稳定，所以它被称为为图像分割的基本技术，也是应用最为普遍的图像分割技术。 20世纪70年代起，图像阈值分割一直是研究人员关注的重点。迄今为止，已经有众多的基于阈值的图像分割算法相继提出，但是一直没有一个通用的分割理论，每一种阈值分割算法都有它的优点和局限性，很多分割算法只能应用于某些特定的场合，或者只能针对某些特定的图像。此外，当我们遇到一个具体的图像分割场景，面对众多的分割算法我们应该选取哪一种算法也没有普适的原则，并且如何去评定一个图像分割算法的好坏也是一个没有解决的问题[3]。以上内容都是需要我们进一步去探究的。 1.3论文研究的主要内容及各章结构安排 本文主要的研究内容包括以下三个部分： 对选定图片进行算法阈值分割，主要包括：迭代法、最大类间方差法、最小误差法、最大熵法; 对选定图片进行手动分割，本文主要运用人体视觉和Photoshop软件; 采用Dice系数、Hausdorff距离、Jaccard相似系数、准确率、召回率等参数作为图像分割标准，利用这些参数之间的差异来综合评价图像阈值分割的效果，从而进一步分