基于像素的圖像模糊理論分割方法的研究.pdf

1、經(jīng)過二三十年發(fā)展，數(shù)字圖像處理在電子計(jì)算機(jī)工程領(lǐng)域已經(jīng)成為了一個(gè)非常重要的課題。圖像分割，往往是圖像處理初始階段中最重要的一個(gè)環(huán)節(jié)，是許多基于圖像、視頻以及計(jì)算機(jī)視覺應(yīng)用的預(yù)處理步驟，通常在圖像處理應(yīng)用中扮演著非常關(guān)鍵的角色。它是圖像處理中一個(gè)最基本的問題，但同時(shí)又是復(fù)雜和困難的，這在很大程度上是由于至今沒有任何一種方法適合所有的分割需求，必須針對(duì)不同問題使用不同方法。
　　在許多實(shí)際情況下，數(shù)字成像由于各式各樣的原因，如有限的空

2、間分辨率、對(duì)比度差、噪聲干擾、亮度分布不均，通常具有不確定性和模糊性的特點(diǎn)，因而適合模糊理論知識(shí)對(duì)于圖像這種不確定性的良好描述，這也是當(dāng)下圖像分割領(lǐng)域的一個(gè)熱點(diǎn)所在。
　　本文就以模糊理論為基礎(chǔ)，研究在圖像分割中常用到的模糊閾值及模糊 C均值算法，提出了改進(jìn)的算法框架，并在醫(yī)學(xué)圖像處理中進(jìn)行了應(yīng)用測試。論文的主要研究工作和貢獻(xiàn)包括：
　?。?）提出了一個(gè)基于灰度直方圖和像素相似性的模糊閾值分割框架。通過圖像中像素集合模糊度進(jìn)

3、行相似性模型計(jì)算，選擇合適的隸屬度函數(shù)及模糊度測量從而在這種情況下產(chǎn)生提取目標(biāo)對(duì)象的最佳閾值。該方法不需要先驗(yàn)知識(shí)，不基于最優(yōu)化方程，從而在應(yīng)對(duì)某些類型的圖像具有優(yōu)勢(shì)。直接通過模糊隸屬度函數(shù)計(jì)算目標(biāo)區(qū)域和背景區(qū)域像素點(diǎn)集合的相似性程度，得到合理閾值，而非一般地求解最優(yōu)方程，該方法可以有效避免某些陷入局部極值的情況。這也意味著該框架并不是得到全局最優(yōu)解，因此對(duì)于一系列相同規(guī)格的圖像，通過選擇不同的模糊隸屬度函數(shù)從而得到較合適的閾值。

4、>　?。?）提出了一種基于空間信息的模糊C均值聚類改進(jìn)算法mbFCM。雖然模糊 C均值聚類算法及其相應(yīng)改進(jìn)已被廣泛使用在非監(jiān)督的圖像分割應(yīng)用上，但還是或多或少受到噪聲或者細(xì)節(jié)缺失的影響。通過合理利用圖像鄰域空間信息結(jié)合雙邊濾波，并進(jìn)一步使用多分辨率分析,使得該算法對(duì)于高、低頻噪聲均較不敏感，可以有效去除噪聲，并產(chǎn)生更均勻的聚類區(qū)域，保留更多細(xì)節(jié)，從而顯著提高聚類性能。
　?。?）通過 Matlab軟件仿真模擬，分別使用合成的和真實(shí)