灰度圖像分割技術(shù)研究.pdf

1、圖像分割是圖像分析中的一項關(guān)鍵技術(shù)，是進一步對圖像進行識別、跟蹤、理解和編碼的基礎(chǔ)，具有十分重要的意義，多年來一直受到廣泛關(guān)注。本文以圖像分割中最常見和最基本的技術(shù)——靜止灰度圖像的分割為研究背景，討論了四類與特定理論工具相結(jié)合的灰度圖像分割方法，即基于曲線演化和水平集、基于隱Markov模型、基于圖論和基于分形的分割方法。 曲線演化和水平集技術(shù)在圖像分割領(lǐng)域占據(jù)重要位置。盡管有著經(jīng)典成熟的理論體系和簡潔完美的公式表達，曲線演化

2、和水平集技術(shù)的實現(xiàn)過程復(fù)雜，運行速度慢，而近年來出現(xiàn)的離散水平集技術(shù)卻因其簡單快速而受到關(guān)注。本文在離散水平集框架下研究了兩類重要的曲線演化模型，即基于圖像統(tǒng)計信息和基于圖像梯度信息的模型，分別提出了工作在離散水平集框架下的格點上的Kim-Fisher模型、格點上的Mumford-Shah模型和一種新的基于圖像梯度信息的活動輪廓線模型。 隱MarkoV模型(Hidden Markov Model，HMM)是在模式識別領(lǐng)域應(yīng)用廣泛

3、的統(tǒng)計模型。本文研究了一維HMM、隱MarkoV樹(Hidden Markov Tree，HMT)和二維HMM，并將Markov樹和二維HMM應(yīng)用于圖像分割。提出了一種基于最優(yōu)狀態(tài)和分支序列的連續(xù)HMM參數(shù)估計算法，并將其推廣到HMT，提出了基于最優(yōu)狀態(tài)和分支樹的HMT模型參數(shù)估計算法，再以此為基礎(chǔ)提出了一種新的基于HMT的圖像分割算法。在對二維HMM的研究中，提出了一種新的通用低復(fù)雜度模型，推導(dǎo)了前向算法和后向算法這兩個重要的遞歸算法

4、，并在該模型的基礎(chǔ)上提出了一種新的解碼準(zhǔn)則并將它用于圖像分割。 經(jīng)典的Split-Merge算法是一個先分后合的分割過程，思路簡潔、運算效率高，但由于Split過程中分裂位置固定而Merge過程中合并通常不夠充分，存在著邊界位置不準(zhǔn)確和過分割等問題。為此本文提出了一種改進算法，在Merge階段，引入了一個包括長度項在內(nèi)的全局目標(biāo)函數(shù)，使用貪心法完成合并過程。長度項的引入和貪心法的運用使Merge過程中相鄰區(qū)域充分合并，有效地消除

5、了過分割現(xiàn)象，取得了較好的分割結(jié)果。 基于圖論的分割是圖像分割領(lǐng)域的一類重要方法，本文主要討論其中最為常用的基于圖割值的圖像分割方法。提出了一種新的目標(biāo)函數(shù)，并由此導(dǎo)出一種與訪問次序無關(guān)的區(qū)域合并算法，可以有效地處理過分割圖像。本文還提出在Split-Merge框架下進行基于圖的分割，把傳統(tǒng)的基于圖割值的方法作為Split階段的處理手段，在Merge階段用本文提出的與訪問次序無關(guān)的合并算法進行合并，獲得了很好的分割效果。

6、 在基于分形理論的圖像分割方法中最常見的是用分形維數(shù)來進行紋理圖像的分割，而本文研究的是基于分形壓縮編碼的圖像分割方法。首先提出了分形圖像編碼的矩陣表示，在此基礎(chǔ)上提出了一種基于分形編碼的圖像分割算法，利用不同尺度間圖像塊的相似性，通過定義生成關(guān)系和相似關(guān)系，把圖像分割問題轉(zhuǎn)化為求解相似關(guān)系的等價類問題。 本文最后還從工作原理、利用的圖像信息、對參數(shù)的依賴性和時間復(fù)雜度等方面詳細比較了本文研究的各種分割方法，分析了各種方法的特點