一种改进的基于小波去噪和区域生长的彩色图像分割算法.doc

一种改进的基于小波去噪和区域生长的彩色图像分割算法 摘要：彩色图像分割是彩色图像处理中的重要问题，传统的彩色图像分割都是基于灰度分割算法，而忽略了彩色的空间域视觉效果及噪声污染问题。本文提出一种新的基于小波去噪和种子区域生长的一种改进方法。首先，应用小波去噪技术，强化图像边缘特征，抑制噪声，提高原始图像的信噪比；其次，将彩色图像转化到空间进行边缘检测，对图像进行抖动处理以减少彩色图像中的颜色数目，然后对不同分量进行序列阀值分割；最后对分割结果再进行一种新的基于区域生长的颜色相似性的聚合。仿真结果表明该算法更加符合人眼的视觉特性。 关键词：彩色图像；彩色空间；小波去噪；区域生长 An improved color image segmentation algorithm based on wavelet denoising and regional growth Abstract: Color image segmentation is an important issue in color image processing. The traditional color image segmentation based on gray-scale segmentation algorithms neglects the color visual effect and the noise, it, therefore, leads to degrade the segmentation quality. In this paper, we present a new algorithm based on wavelet denoising and seed regional growth. The denoising technique is first used to preserve the edge feature of the original image. Then, the images incolor space are converted intocolor space. Next, a jitter processing is used to reduce the number of colors in color image segmentation, and then the images are segmented in terms of sequence threshold on the different components. Finally, color similarity polymerization, based on regional growth, is applied to the processed image. The simulation results show that the segmentation results obtained by our method have perfect edge segmentation, and correspond well with the vision properties of the human being. Key words: color image; color space; wavelet denoising；regional growth 1．引言 图像分割是由图像处理进行到图像分析的关键步骤,也是进一步图像理解的基础。以往所研究的算法大多是针对灰度图像的,相比之下对于彩色图像分割的研究较少.基于颜色空间特性的方法一般采取区域分割和聚类的方法来实现，但区域分割的结果很大程度上依赖于种子点的选择，常常会造成图像过分割或者欠分割的问题。Horowitz首次将分裂－合并思想用于图像分割，但由于算法的局限性难以实现小区域的有效连接。聚类方法中比较常见的是K-mean聚类和模糊c聚类法，然而在这类方法中，聚类的数目需预先设定，每次迭代优化都需要重新计算聚类中心和隶属度矩阵，计算量较大。近年来，有学者提出利用边缘生长的技术进行图像分割，先对图像进行边缘检测，然后用有向势能函数对边缘进行粗略的封闭，最后用区域生长的技术进行细分割，该方法虽然可以有效解决漏分割的问题，但分割结果不够光滑，存在一定的误差。 本文充分利用彩色图像的颜色空间特性，结合图像中区域之间的特征相似性关系，提出一种改进的基于区域生长的新算法。该方法首先对图像进行小波去噪处理以抑制噪声，然后将颜色空间转换到与人类视觉特性相符的颜色空间，并按分量序列依次进行分割，最后进行基于颜色相似性聚类的区域生长。因为区域生长算法可以利用同一个目标区域其邻域块特征基本一致的特点,