數(shù)字圖像分割與算法研究.pdf

1、圖像分割是將圖像劃分成一系列相似特征區(qū)域，并能提取出關(guān)鍵特征區(qū)域進(jìn)而對圖像進(jìn)行識別與理解。在圖像分割之前先對圖像進(jìn)行預(yù)處理，分別從圖像復(fù)原和圖像增強兩方面著手，以改善圖像質(zhì)量和效果，然后從兩個大的方面來對圖像進(jìn)行分割:閾值化技術(shù)與基于偏微分方程的方法.對圖像目標(biāo)和背景性質(zhì)差異較顯著，圖像能量較集中的情況下采用閾值化技術(shù)，并分別從單閾值法、雙閾值法、多閾值法進(jìn)行分析:單閾值法，采用了基于最小誤差的閾值分割、OTSU分割法等進(jìn)行了分析；雙閾

2、值法，例如改進(jìn)的OTSU分隔法、基于二維灰度的分割法等；多閾值分割法，例如基于多閾值的OTSU分割法、分水嶺算法等。而后使用智能算法來對目標(biāo)函數(shù)求解，提高了計算效率。
　　 在智能算法研究的過程中，首先列舉了傳統(tǒng)的遺傳算法的特點，并根據(jù)算法流程分析了遺傳算法的優(yōu)越性，但卻也存在明顯不足。對于收斂于局部最優(yōu)的情況時，文章采用了與模擬退火相結(jié)合的算法對其進(jìn)行改進(jìn)，即設(shè)置一個退火溫度，從而改進(jìn)其陷入局部最優(yōu)的情況；另一方面，當(dāng)演化進(jìn)行

3、到后期，對于交叉概率與變異概率應(yīng)逐漸進(jìn)行控制以達(dá)到正常收斂，文章采用了模糊邏輯控制器，根據(jù)當(dāng)前的收斂情況適當(dāng)控制交叉和變異過程中的概率系數(shù)，使得算法的效率得以提高。
　　 針對目標(biāo)與背景較復(fù)雜的圖像文章采用了基于偏微分方程的活動輪廓線法進(jìn)行分割，進(jìn)而分析了一些主動輪廓線模型:snake模型、Mulnford-Shall模型，以及改進(jìn)后的C-V模型。對于C-V模型，文章使用水平集方法，將曲線對應(yīng)為一個更高維的曲面的演化函數(shù)，用偏微