彩色图像分割技术研究.docx

1绪论

1.1引言

近些年来，随着工农业、医学、军事等领域自动化和智能化需求的迅猛发展，对图像处理技术的要求也越来越高。其中，对图像的自动识别与理解就是一项重要任务，而对图像进行分割来提取目标是其关键步骤之一，如果得不到合理的图像分割图，也就无法对图像进行正确的识别与理解。图像分割就是按照一定的规则将一幅图像分成若干部分或子集的过程。简单的说，就是把图像中的物体与背景或物体与物体分割开。在有关图像分割技术的文献中，由于不同领域的侧重点不同，有时

也以诸如边缘检测技术、阈值化技术、目标检测技术、目标轮廓技术等提法出现。

图像分割技术在医学领域中具有广泛的应用。如今医学临床和手术环境中的许多应用均需要从三维医学图像得到解剖结构或病理组织的精确三维模型。如进行病理或正常组织的量化研究，术前和术中交互的手术计划等，均要求能够从CT、MRT或超声等腰三角形各种图像模态中分离出解剖结构或把受损组织的位置和形状分割标识出来。由于手工分割对操作者的依赖性强，既耗时费力又可能丢失大量有用信息，因此，研究计算机自动或半自动的图像分割方法是非常重要的。另一方面，图像分割作为一种重要的图像处理技术，得到人们广泛的重视和研究，一直是图像科学研究中的热点和焦点之一。然而，实践证明对图像进行有效的分割，特别是在复杂自然背景下分割目标，难度是很大的。对图像分割理论与技术的进一步研究具

有非常重要的意义。

图像分割指的是把一幅图像分割成不同的区域，这些区域在某些图像特征如边缘、纹理、颜色、亮度等是一致的或相似的，因此，图像分割也是将图像中的像素按照特征的不同而进行分类的过程。图像分割是数字图像处理中的重要前期过程，是图像处理中最基本的技术之一。特征提取、目标识别都依赖于图像分割的质量好坏，所以图像分割决定了图像分析的最终成败。有效合理的图像分割能够为基于内容的图像检索、对象分析等抽象出十分有用的信息，从而使得更高层的图像理解成为可能[1]。目前图像分割仍然是一个没有得到很好解决的问题，如

何提高图像分割的质量得到国内外学者的广泛关注，是一个研究热点。

1.2图像分割方法的研究现状

图像分割是图像处理中的一项关键技术，自20世纪70年代起一直受到人们的高度重视，至今已提出上千种分割算法。但因尚无通用的分割理论，现提出的分割算法大都是针对具体问题的，并没有一种适合所有图像的通用分割算法。另外，还没有制定出选择适用分割算法的标准，这给图像分割技术的应用带来许多实际问题[2]。最近几年又出现了许多新思路、新方法或改进算法。对一些经典方法和新出现的方法作了概述并将图像分割方法分为阈值分割方法、边缘检测方法、区域提取方

法和结合特定理论工具的分割方法4类。

1.2.1基于阈值的分割方法

阈值分割算法相对简单，计算量小，稳定性较好，它是最基本、最简单和应用最广泛的方法。阈值分割方法的历史可追溯到近40年前。目前提出了许多新方法，如严学强等人提出了基于量化直方图的最大熵阈值处理算法3,将直方图量化后采用最大熵阈值处理算法，使计算量大大减小。薛景浩、章毓晋4等人提出基于最大类间后验交叉熵的阈值化分割算法，从目标和背景的类间差异性出发，利用贝叶斯公式估计象素属于目标和背景两类区域的后验概率，再搜索这两类区域后验概率之间的最大交叉熵。俞勇等人提出的基于最小能量的图像分割方法[5,运用了能量直方图来选取分割阈值。任明武等人提出的一种基于边缘模式的直方图构造新方法[6,使分割阈值受噪声和边缘的影响减少到最小。程杰提出的一种基于直方图的分割方法7,该方法对0stu准则的内在缺陷进行了改进，并运用对直方图的预处理及

轮廓追踪，找出了最佳分割阈值。

1.2.2基于边缘的分割方法

图像最基本的特征是边缘，它是图像局部特性不连续(或突变)的结果。基于边缘的分割方法是将图像中所要求分割的目标边缘提取出来，从而将目标分割出来。它大致分为以下四类：(1)基于局部模板的边缘检测方法；(2)基于数学形态学的边

缘检测方法；(3)基于代价函数的边缘检测方法；(4)基于变形模板的边缘检测方法。

基于局部图像函数的方法、多尺度方法、图像滤波法、基于反应—扩散方程的方法、多分辨分法、基于边界曲线拟合方法、状态空间搜索法、动态规划法、边界跟踪法、哈夫变换法等。如宋焕生等人[8]提出了多尺度脊边缘方法，该方法利用Mallat算法，对图像进行二进度小波分解，然后计算出在二进尺度空间的多尺度脊

边缘及强度，最后通过脊边缘跟踪、滤波和小波反变换，得到分割结果。张静9等

人提出了行扫描空间带通滤波法，是在总结前人理论和实验结果的基础上提出的一种边缘提取新方法，对电视图像的自动跟踪识别有很好的效果。林峰[101提出了基