同源相似導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，計算機視覺和模式識別等方面都是一項基礎的、核心的技術。圖像分割結果的好壞直接影響到這些后續(xù)高層的處理結果。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分割/欠分割合理平衡的問題。針對閾值分割方法和分水嶺分割存在的問題，為了研究能獨立于直方圖模式的閾值分割方法以及抑制過分割的分水嶺分割方法，本文在同源相似導向的圖像分割基本框架下，主要展開了以下三個方面的研究。
　　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行多尺度梯度乘變換，然后計算在

3、原始圖像可能的灰度等級范圍內(nèi)，閾值化并移除對象內(nèi)部像素后的二進制圖像與多尺度梯度乘圖像的互信息量，互信息量最大時對應的分割閾值為最優(yōu)閾值。多尺度梯度乘變換能有效抑制噪聲信息，同時增強了對象和背景的邊緣信息?；バ畔⑹且环N非線性的相似性測度，在評估圖像特定區(qū)域內(nèi)像素強度之間的相關性時，不需要一個特定類型的概率分布，所以它可以處理具有不同直方圖模態(tài)的圖像分割問題。在合成圖像和真實世界圖像上的大量實驗結果表明，本文提出的方法對具有單峰模態(tài)直方圖

4、、雙峰模態(tài)直方圖、以及貝塔分布、均勻分布、梳子狀分布等復雜直方圖模態(tài)的圖像都能進行有效分割。
　　2)研究了一種基于Adjusted Rand Index(ARI)的圖像閾值分割方法。結合圖像的空間位置關系和相似屬性性質，提出的方法同樣用多尺度梯度乘變換對原圖像進行預處理，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作為圖像相似性測度，計算

5、一系列參考圖像與二值圖像間的 ARI曲線，并將相應曲線疊加，此時 ARI疊加曲線中最大值點對應的閾值為最優(yōu)閾值。ARI曲線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）來分割圖像有一定局限性的特點。ARI曲線的疊加，能更好的定位最優(yōu)閾值。通過對大量真實世界圖像的測試，提出的方法對不同種類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)域的個數(shù)來確定分割目標的個數(shù)，且待分割圖像的梯度對分水嶺分割有很大的影響。為了抑制過分割問題，提出方法對原始圖像進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。然后對多尺度小波梯度乘圖像進行控制標記符的分水嶺分割，通過標記分水嶺方法中改變標記圖像從而獲得不同的分水嶺分割結果。再以互信息為相似性測度，尋找與多尺度小波梯度乘圖像最匹配的分水嶺分割結果作為最優(yōu)分割結果。實驗結果展示了提出的方法對抑制傳