云模型在圖像分割領(lǐng)域中的應(yīng)用研究.pdf

1、圖像分割是圖像處理的過程中非常關(guān)鍵的步驟，分割結(jié)果的質(zhì)量直接影響后續(xù)的圖像識別和分析，因此圖像分割算法的研究越來越受到廣泛的關(guān)注。傳統(tǒng)的分割方法包括閾值分割法、區(qū)域分割法及邊緣檢測法等，近年來一些基于新理論新技術(shù)的分割方法也開始進入人們的視線，例如:基于數(shù)學(xué)形態(tài)的分割法、基于神經(jīng)網(wǎng)絡(luò)的分割法、基于模糊控制的分割法以及基于遺傳算法的分割法等等。
　　云模型是將概率論和模糊集相結(jié)合提出的定性概念和定量表達之間的轉(zhuǎn)化模型。正態(tài)云模型是一

2、種基本的云模型，自然世界中很多的定性概念都可以近似看作是正態(tài)或半正態(tài)的分布，因此很多問題都可以看作正態(tài)云模型來解決。云模型中的云滴具有不確定性，同一個云滴可以隸屬于不同的云，不同的云滴也可以隸屬于一朵相同的云，這種特點可以對不確定信息進行“軟”劃分。圖像分割就是一種將圖像像素根據(jù)給定的信息進行分類從而提取出目標區(qū)域的過程，因此可以將云滴的這種不確定性應(yīng)用于圖像分割領(lǐng)域。
　　云模型在對各種傳統(tǒng)的圖像分割算法的改進方面已經(jīng)有了不少研

3、究且取得了良好的效果，但是在基于新理論新技術(shù)領(lǐng)域的改進研究還相對較少，本文從基于數(shù)學(xué)形態(tài)學(xué)和基于遺傳算法的圖像分割領(lǐng)域入手，進行改進研究。
　　在基于數(shù)學(xué)形態(tài)學(xué)的圖像分割領(lǐng)域中，最典型的分割方法是分水嶺算法。分水嶺算法在進行圖像分割時最主要的問題就是容易出現(xiàn)過分割現(xiàn)象，因此采用改進后的云模型綜合算法進行合并，可以成功解決這個問題。而云模型在進行云綜合時需要對子云進行合并，傳統(tǒng)的合并過程中對什么樣的子云適合進行合并沒有給出一個簡便有

4、效的方法。針對這個問題本文提出了云密切度的概念，同時從云模型相對距離和交叉部分大小的角度進行了定義，使得判定結(jié)果更加合理。將使用該判定方法的云綜合算法應(yīng)用于分水嶺分中，可以得到更好的分割效果。
　　在基于遺傳算法的圖像分割領(lǐng)域中，交叉概率和變異概率值的設(shè)定直接影響算法的搜索效果。傳統(tǒng)的遺傳算法中交叉概率和變異概率值是一定的，容易使搜索陷入局部最優(yōu)，自適應(yīng)遺傳算法對此進行了改進，使交叉概率和變異概率可以進行自適應(yīng)的調(diào)整，但是對于容易