基于逆向云模型的圖像分割算法研究.pdf

1、圖像分割在數(shù)字圖像處理中有著重要的地位，是從圖像處理到圖像分析的一個關(guān)鍵步驟；它是為了進一步對圖像進行分析、識別、壓縮編碼等處理的圖像預(yù)處理環(huán)節(jié)，其分割結(jié)果的準(zhǔn)確性對下一步的圖像處理工作有直接影響。圖像分割是目標(biāo)表達的基礎(chǔ)，將很大程度上影響到特征的測量；另外，原始圖像可以通過圖像分割及其基于分割的目標(biāo)表達、特征提取和參數(shù)測量等方式方法轉(zhuǎn)化為更抽象、更緊湊的圖像形式，進而能夠進行更高層次的圖像分析與理解。圖像分割的要點是：把圖像劃分成許多

2、個沒有交疊、特性不相同區(qū)域的集合并提取所需目標(biāo)的過程；這些特性區(qū)域或是對當(dāng)前的任務(wù)有意義，或是說明它們與實際物體或者實際物體的某些部分之間的相互關(guān)系，這些特性可以是圖像的灰度、顏色、紋理等。
　　 當(dāng)前常用的圖像分割算法幾乎都是基于確定性方法的，但是在數(shù)字圖像信息的處理過程中有著許多的不確定性，并且人類對知識的認(rèn)識也經(jīng)常表現(xiàn)為不確定性。因而，表達、評價和降低提取目標(biāo)信息的不確定性的研究成為圖像分割中一個重要的研究方向。以模糊集理

3、論和概率統(tǒng)計為基礎(chǔ)建立的處理空間數(shù)據(jù)挖掘中不確定性問題的一種新理論就是云理論。它用云模型中云滴的不確定度描述論域空間中各數(shù)據(jù)元素與其核心概念的遠近關(guān)系，云滴的確定度越大，數(shù)據(jù)元素越接近概念中心；云滴確定度越小，數(shù)據(jù)元素越遠離概念的中心。正是基于這種不確定度量，云理論的基本思想及其云模型方法才有可能較好的被運用到圖像分割中。實驗表明，由于云理論能對概念的不確定性很好地表達和降低概念分層的不確定性，這使得圖像分割中存在的不確定性問題能得到很

4、好的、有效地處理。
　　 針對區(qū)域生長法中的種子點選取和不確定信息的處理問題，本文提出了一種基于云理論的區(qū)域生長圖像分割方法。該算法首先利用圖像的全局信息獲取區(qū)域生長的種子點，具體是以云變換生成的正態(tài)云模型期望曲線的交叉點作為生長區(qū)域的起始種子點，并且將區(qū)域生長過程中的生長準(zhǔn)則選取為極大判定法則，然后分割區(qū)域由定量的像素集合到定性的云概念的轉(zhuǎn)換過程使用逆向云算法完成，再將相鄰的若干個生長區(qū)域用云綜合算法進行合并，從而實現(xiàn)對不確定