基于圖象分割和邊緣檢測的數(shù)字圖象分析.pdf

1、上海交通大學(xué)博士學(xué)位論文基于圖象分割和邊緣檢測的數(shù)字圖象分析姓名：NASSIRHUSSIENSALMANALMFRGY申請(qǐng)學(xué)位級(jí)別：博士專業(yè)：ComputerVisionPatternRecognition指導(dǎo)教師：LIUCHONGQIGN20020501的，所有屬于相同集水盆地的象素同谷底區(qū)域的最小海拔高度(灰度級(jí))聯(lián)系在一起。在這條路徑上的象素沿此路徑有著單調(diào)下降的海拔高度(灰度級(jí))。這樣不同的集水盆地表示分割圖像的各區(qū)域。分水嶺和

2、集水盆地的概念非常直接。早期的分水嶺方法計(jì)算速度很慢或者分割結(jié)果不準(zhǔn)確?，F(xiàn)有的算法利用3X3模板進(jìn)行局部操作提取分水嶺線，由于是局部操作，分割通常不準(zhǔn)確。分水嶺變換由數(shù)學(xué)形態(tài)學(xué)引入所以計(jì)算量大，耗時(shí)。分水嶺圖像分割包括兩種主要方法1101:第一種，首先從圖像的每個(gè)像素到圖像海拔高度局部最小找到一個(gè)下游路徑。一個(gè)集水盆地定義為一組像素，各自的下游路徑都結(jié)束于同一個(gè)高度最小。第二種與第一種方法對(duì)應(yīng)，不是識(shí)別下游路徑，集水盆地從下填充，分水嶺

3、的形成可以通過模擬浸沒過程實(shí)現(xiàn)，即在圖像的每個(gè)局部極小值位置刺穿一個(gè)小孔，然后把圖像模型浸入水中，隨著浸入的加深，每個(gè)局部極小值的影響區(qū)域慢慢向外擴(kuò)散，在兩個(gè)集水盆匯合的地方，將產(chǎn)生一條峰頂線，即為分水嶺線。本文采用一種按象素灰度值升序進(jìn)行像素排序的有效算法(見附錄B)，再進(jìn)行一種快速掃描浸水過程。計(jì)算灰度直方圖的同時(shí)建立灰度級(jí)h的像素指針，使得可以直接對(duì)各灰度級(jí)進(jìn)行操作。假設(shè)在某一級(jí)k已經(jīng)完成浸水過程，如果象素的灰度級(jí)小于或等于k，則

4、此象素點(diǎn)就是該集水盆地內(nèi)部的點(diǎn)。然后處理灰度級(jí)為kl的像素點(diǎn)所有的這些像素點(diǎn)可以通過排序步驟直接得到。對(duì)于灰度級(jí)為kl的像素，若其鄰域標(biāo)號(hào)為1，則該像素可能屬于標(biāo)號(hào)為1的集水盆地。集水盆地的像素按照先入先出的原則放入，并等待進(jìn)一步處理。之后計(jì)算每個(gè)確定的集水盆地的地形影響區(qū)域，見圖4.2。計(jì)算分水嶺還有許多不同的算法。最常用的是浸沒算法[Vincent91]，它是通過計(jì)算分水嶺的逆過程，根據(jù)每個(gè)灰度級(jí)計(jì)算骨架影響區(qū)域作為圖像局部最小的標(biāo)