基于圖論的閾值化圖像分割方法研究.pdf

1、圖像分割是圖像處理與計(jì)算機(jī)視覺領(lǐng)域低中最基礎(chǔ)和重要的領(lǐng)域之一，是圖像進(jìn)行視覺分析和模式識別的基本前提?；趫D論的圖像分割方法是圖像分割領(lǐng)域中的一個(gè)研究熱點(diǎn)，該類方法將圖像映射為帶權(quán)無向圖，把像素視作節(jié)點(diǎn)，利用最小割集準(zhǔn)則得到圖像的最佳分割，會(huì)有一些問題不可避免的出現(xiàn)。
　　 但是，如果單純的使用這類方法對圖像進(jìn)行分割的話，無法得到好的分割效果。
　　 因此需要結(jié)合其他的理論和知識對其進(jìn)行改進(jìn)，以便使得這類圖像分割方法具有

2、更好的實(shí)效性。
　　 本文針對基于圖論的圖像分割方法中存在的問題，把基于Normalized Cut準(zhǔn)則和Min-MaXCut準(zhǔn)則圖像分割方法分別與閾值化圖像分割方法相結(jié)合，并對衡量像素點(diǎn)間相似性的計(jì)算公式進(jìn)行改進(jìn)，取得了一定的實(shí)效性。本文主要的研究工作如下：
　　 （1)研究和分析了基于圖論的圖像分割方法和閾值化分割方法的理論及進(jìn)展，對兩者的結(jié)合的可行性進(jìn)行了探索。
　　 （2)針對基于圖論的圖像分割方法在處理

3、含有噪聲圖像時(shí)的不足，提出一種新的具有抑制噪聲能力的圖像閾值化分割方法。該方法采用NormalizedCut準(zhǔn)則劃分測度作為劃分目標(biāo)和背景的閾值分割準(zhǔn)則，并在圖權(quán)計(jì)算公式中，增加了像素點(diǎn)與其鄰域的空間相關(guān)信息，以提高算法的抗噪性。
　　 實(shí)驗(yàn)結(jié)果表明，該方法具有很強(qiáng)的抑制噪聲能力。
　　 （3)針對基于圖論的圖像分割方法中通用性的不足，提出了一種新的基于Min-MaXCut的閾值化圖像分割方法。該方法采用Min-MaXC