同源相似導(dǎo)向的圖像分割方法研究.pdf

1、圖像分割在圖像處理，圖像分析，計(jì)算機(jī)視覺(jué)和模式識(shí)別等方面都是一項(xiàng)基礎(chǔ)的、核心的技術(shù)。圖像分割結(jié)果的好壞直接影響到這些后續(xù)高層的處理結(jié)果。閾值分割方法是最經(jīng)典的圖像分割方法之一。傳統(tǒng)的閾值分割方法往往針對(duì)具有特定直方圖模式的圖像，如具有近似單峰模態(tài)、雙峰模態(tài)直方圖的灰度圖像，一般可以獲得較好的分割結(jié)果。它們一般難以處理具有諸如貝塔分布、均勻分布、梳子狀分布等模態(tài)直方圖的圖像，這限制了傳統(tǒng)閾值分割方法的適用范圍。分水嶺分割是一種流行的基于區(qū)

2、域的圖像分割方法。分水嶺分割方法的優(yōu)勢(shì)是易于獲得連續(xù)且封閉的邊界，但是分水嶺分割方法也存在難以在過(guò)分割/欠分割合理平衡的問(wèn)題。針對(duì)閾值分割方法和分水嶺分割存在的問(wèn)題，為了研究能獨(dú)立于直方圖模式的閾值分割方法以及抑制過(guò)分割的分水嶺分割方法，本文在同源相似導(dǎo)向的圖像分割基本框架下，主要展開(kāi)了以下三個(gè)方面的研究。
　　1)研究了一種基于最大互信息的閾值分割方法。從圖像間的相似性出發(fā)，提出的方法先將原始圖像進(jìn)行多尺度梯度乘變換，然后計(jì)算在

3、原始圖像可能的灰度等級(jí)范圍內(nèi)，閾值化并移除對(duì)象內(nèi)部像素后的二進(jìn)制圖像與多尺度梯度乘圖像的互信息量，互信息量最大時(shí)對(duì)應(yīng)的分割閾值為最優(yōu)閾值。多尺度梯度乘變換能有效抑制噪聲信息，同時(shí)增強(qiáng)了對(duì)象和背景的邊緣信息。互信息是一種非線(xiàn)性的相似性測(cè)度，在評(píng)估圖像特定區(qū)域內(nèi)像素強(qiáng)度之間的相關(guān)性時(shí)，不需要一個(gè)特定類(lèi)型的概率分布，所以它可以處理具有不同直方圖模態(tài)的圖像分割問(wèn)題。在合成圖像和真實(shí)世界圖像上的大量實(shí)驗(yàn)結(jié)果表明，本文提出的方法對(duì)具有單峰模態(tài)直方圖

4、、雙峰模態(tài)直方圖、以及貝塔分布、均勻分布、梳子狀分布等復(fù)雜直方圖模態(tài)的圖像都能進(jìn)行有效分割。
　　2)研究了一種基于Adjusted Rand Index(ARI)的圖像閾值分割方法。結(jié)合圖像的空間位置關(guān)系和相似屬性性質(zhì)，提出的方法同樣用多尺度梯度乘變換對(duì)原圖像進(jìn)行預(yù)處理，然后將多尺度梯度乘圖像閾值分割得到一系列圖像作為參考圖像集。閾值分割原始圖像并移除閾值圖像對(duì)象內(nèi)部像素，得到一系列二值圖像。利用 ARI作為圖像相似性測(cè)度，計(jì)算

5、一系列參考圖像與二值圖像間的 ARI曲線(xiàn)，并將相應(yīng)曲線(xiàn)疊加，此時(shí) ARI疊加曲線(xiàn)中最大值點(diǎn)對(duì)應(yīng)的閾值為最優(yōu)閾值。ARI曲線(xiàn)利用了圖像全局空間屬性，克服了大多數(shù)閾值分割方法是利用圖像局部空間屬性（如鄰域信息）來(lái)分割圖像有一定局限性的特點(diǎn)。ARI曲線(xiàn)的疊加，能更好的定位最優(yōu)閾值。通過(guò)對(duì)大量真實(shí)世界圖像的測(cè)試，提出的方法對(duì)不同種類(lèi)的圖像展示出了很好的有效性和魯棒性。
　　3)研究了一種基于多尺度小波梯度的分水嶺分割方法。分水嶺分割方法根

6、據(jù)圖像局部最小值區(qū)域的個(gè)數(shù)來(lái)確定分割目標(biāo)的個(gè)數(shù)，且待分割圖像的梯度對(duì)分水嶺分割有很大的影響。為了抑制過(guò)分割問(wèn)題，提出方法對(duì)原始圖像進(jìn)行多尺度小波梯度乘變換，多尺度小波梯度乘在定位精確和抗噪性能上有優(yōu)勢(shì)。然后對(duì)多尺度小波梯度乘圖像進(jìn)行控制標(biāo)記符的分水嶺分割，通過(guò)標(biāo)記分水嶺方法中改變標(biāo)記圖像從而獲得不同的分水嶺分割結(jié)果。再以互信息為相似性測(cè)度，尋找與多尺度小波梯度乘圖像最匹配的分水嶺分割結(jié)果作為最優(yōu)分割結(jié)果。實(shí)驗(yàn)結(jié)果展示了提出的方法對(duì)抑制傳