基于最小生成樹的圖像分割方法研究.pdf

1、圖像處理廣泛應(yīng)用在醫(yī)學(xué)圖像、遙感云圖、指紋識別、人臉檢測、地質(zhì)勘探等領(lǐng)域。圖像分割是圖像處理過程中的一個關(guān)鍵步驟，為圖像檢索、圖像分析提供有效的信息，使更高層次的圖像處理成為可能。常見的圖像分割方法歸納為基于邊界檢測和邊緣連接的方法、基于區(qū)域的分割方法和結(jié)合特定理論工具的分割方法三大類。近幾年，將圖論方法與其他方法結(jié)合，使圖像分割轉(zhuǎn)變?yōu)樽顑?yōu)化問題，成為國內(nèi)外圖像分割領(lǐng)域研究的熱點(diǎn)。
　　本文詳細(xì)闡述了基于圖論的圖像分割方法，在分析

2、最小生成樹方法的概念、原理的基礎(chǔ)上，針對Kruskal算法無法根據(jù)新生成區(qū)域修改加權(quán)區(qū)域鄰接圖的不足，提出一種改進(jìn)的Kruskal算法:區(qū)域合并后，重新計(jì)算新區(qū)域與相鄰區(qū)域的權(quán)重，修改 WRAG和邊的排列順序。改進(jìn)算法使 WRAG更接近原圖像的特征。
　　為了降低Kruskal算法中節(jié)點(diǎn)和邊的數(shù)目，在介紹了分水嶺算法的思想、基本模型和主要缺陷后，將基于數(shù)學(xué)形態(tài)學(xué)的分水嶺方法引入最小生成樹方法中，提出 K VW?方法。首先，利用分水

3、嶺方法對梯度圖像預(yù)分割，生成的過度分割區(qū)域轉(zhuǎn)化為無向圖中的節(jié)點(diǎn)，相鄰區(qū)域間的差異轉(zhuǎn)化為邊的權(quán)重，構(gòu)造加權(quán)區(qū)域鄰接圖(WRAG)，再利用改進(jìn)的Kruskal算法，結(jié)合 Deepthi Narayan提出的合并準(zhǔn)則，通過區(qū)域內(nèi)部差異函數(shù)、閾值函數(shù)，比較區(qū)域內(nèi)部差異和外部差異，利用圖像自身信息，將符合合并準(zhǔn)則的區(qū)域進(jìn)行合并操作。基于分水嶺的最小生成樹方法既能消除分水嶺的過度分割現(xiàn)象，又能降低邊的數(shù)目，獲得圖像的全局特征，保持較好的區(qū)域一致性。