采用模糊形態(tài)學(xué)和分水嶺算法的圖像分割研究.pdf

1、圖像分割是由圖像處理到圖像分析的關(guān)鍵步驟，也是一種基本的計(jì)算機(jī)視覺技術(shù)．這是因?yàn)閳D像的分割、目標(biāo)的分離、特征的提取和參數(shù)的測量將原始的圖像轉(zhuǎn)化為更抽象更緊湊的形式，使得更高層的分析和理解成為可能。因此，圖像分割多年來一直得到人們的高度重視。盡管己經(jīng)有很多種經(jīng)典的分割算法，但是仍然沒有一種分割方法能夠?qū)λ械膱D像都產(chǎn)生理想的分割結(jié)果，而根據(jù)待分割圖像的不同特點(diǎn)，結(jié)合己知的先驗(yàn)知識，研究符合具體圖像特性的分割模型，才是提高圖像分割的重要手段

2、。 在進(jìn)行圖像處理時，圖像的結(jié)構(gòu)特征非常明顯，如果抓住了這一特征，那么在進(jìn)行圖像處理時將會減少大量的處理時間。由于形態(tài)學(xué)技術(shù)在進(jìn)行圖像處理時，充分考慮到了圖像的結(jié)構(gòu)特征，因此相對于其他圖像處理方法而言，形態(tài)學(xué)技術(shù)具有獨(dú)特的結(jié)構(gòu)特征優(yōu)勢。形態(tài)學(xué)分水嶺變換是一種數(shù)學(xué)形態(tài)學(xué)圖像分割方法，它可以得到精確的邊緣，即連續(xù)、封閉、單象素寬的邊緣。形態(tài)學(xué)分水嶺算法己經(jīng)被廣泛地應(yīng)用在圖像處理的很多領(lǐng)域。但是它的主要缺點(diǎn)就是對噪聲十分敏感，很弱的噪

3、聲就會造成嚴(yán)重的過分割現(xiàn)象，致使分割結(jié)果出現(xiàn)大量的零散區(qū)域，也就是過分割現(xiàn)象。本文在分割處理前、分割處理中兩個階段解決過分割問題，可以有效地減少分割區(qū)域(過分割問題)。本文的研究工作主要包括了這樣幾個方面： 1)在第2章和第3章中，土要介紹模糊形態(tài)學(xué)和分水嶺算法的基本理論及算法的具體實(shí)現(xiàn)步驟，從算法的定義角度到算法的具體實(shí)現(xiàn)都進(jìn)行了描述。 2)在深入研究和分析圖像森林變換(IFT)分水嶺算法的基礎(chǔ)上，針對分水嶺過分割現(xiàn)象

4、的存在提出了一種改進(jìn)的分水嶺算法。首先，利用自動識別最優(yōu)閾值的方法確定圖像最佳分割閾值，其次，對IFT分水嶺算法路徑代價函數(shù)的約束條件進(jìn)行了適當(dāng)?shù)男薷?，提出了一種減少IFT分水嶺算法存儲空間和加快執(zhí)行速度的改進(jìn)算法；實(shí)驗(yàn)結(jié)果表明該算法實(shí)現(xiàn)了目標(biāo)與背景的分離，同時目標(biāo)的細(xì)節(jié)保留比較完整。 3)在上述工作的基礎(chǔ)上以及結(jié)合模糊形態(tài)學(xué)和分水嶺算法的特點(diǎn)，本文提出了一種將兩種方法相結(jié)合的圖像分割方法，采用模糊形態(tài)學(xué)的方法對圖像進(jìn)行平滑處理