基于模糊理論的超像素算法研究及應用.pdf

1、從上個世紀六十年代至今，圖像處理領域得到了蓬勃的發(fā)展，數(shù)字圖像處理技術得到了廣泛的應用，比如地理學領域的遙感衛(wèi)星圖像、醫(yī)學領域的CT、MR圖像、物理學領域的實驗圖像等等。圖像處理的技術多種多樣，例如圖像分割、圖像增強、圖像配準等等。傳統(tǒng)的圖像處理技術都是以像素為單位，在像素級別上進行操作，像素作為最基本的處理單元，本身所包含的有用信息也較少，可提取的特征并不多。與像素不同的是，超像素是一個集合的概念，是用某種算法預先分割出來的原子區(qū)域，

2、原子區(qū)域包含了單個像素所不具備的一些圖像特征，比如形狀、邊界輪廓信息以及區(qū)域灰度直方圖等，有利于提高圖像處理的準確度，而且在時間復雜度方面超像素比起單個像素的處理也有較大提高。因此，近些年來超像素在圖像處理領域的應用越來越流行。
　　當前傳統(tǒng)的超像素分割方法大都是針對自然圖像的，基本上是采用二值邏輯硬性劃分的準則來產(chǎn)生超像素，然而當采用這些方法處理具有顯著模糊性特點的圖像時，邊界像素點的類別歸屬往往不能正確被劃分，所以處理效果往往

3、不盡人意，分割產(chǎn)生的超像素內(nèi)部同時包含多種目標，超像素邊界與實際目標物體邊界的貼合程度較差，不利于進一步的圖像處理工作。
　　為了解決上述問題，本文進行了以下方面的工作:提出一種基于模糊理論的超像素分割方法（Superpixel Method Basedon Fuzzy Theory，SMBFT），以模糊理論知識作為指導，利用傳統(tǒng)模糊C均值聚類算法作為基礎，重新設計目標函數(shù)，使用拉格朗日乘子法取得近似最優(yōu)解表達式，然后經(jīng)過不斷地迭

4、代優(yōu)化，得到超像素分割結果。本文算法充分利用了模糊聚類在處理具有模糊性特點圖像方面的優(yōu)勢，彌補了傳統(tǒng)超像素分割方法在處理具此類圖像時硬性劃分的劣勢，邊界上不確定性較高的像素點能夠以最大的概率被正確分類，使得分割產(chǎn)生的超像素邊界和原始圖像邊界的貼合度較高，超像素內(nèi)部目標也比較單一，介質均勻。同時，本文還考慮了像素點周圍鄰域信息的利用，增強了空間約束信息，有效地克服了噪聲的影響，使本文提出的算法具有更好的魯棒性。
　　本文算法分別在B

5、erkeley數(shù)據(jù)庫中的自然圖像和Brainweb上模糊性相對明顯的腦部MR圖像上進行了應用。另外，本文還針對自然圖像方面的傳統(tǒng)兩種評價指標無法確定權重的問題提出了一個綜合評價準則，為不同應用選擇適合的超像素算法提供了一個新的思路;在醫(yī)學圖像數(shù)據(jù)集方面的評價準則是計算超像素內(nèi)部熵值，由于傳統(tǒng)超像素方法尚未在醫(yī)學圖像領域做過驗證實驗，因此本文受到信息論中熵的概念的啟發(fā)，提出了使用熵值這一評價準則。實驗結果表明，本文方法在超像素生成效果上無