基于像素的圖像模糊理論分割方法的研究.pdf

1、經(jīng)過二三十年發(fā)展，數(shù)字圖像處理在電子計算機工程領域已經(jīng)成為了一個非常重要的課題。圖像分割，往往是圖像處理初始階段中最重要的一個環(huán)節(jié)，是許多基于圖像、視頻以及計算機視覺應用的預處理步驟，通常在圖像處理應用中扮演著非常關鍵的角色。它是圖像處理中一個最基本的問題，但同時又是復雜和困難的，這在很大程度上是由于至今沒有任何一種方法適合所有的分割需求，必須針對不同問題使用不同方法。
　　在許多實際情況下，數(shù)字成像由于各式各樣的原因，如有限的空

2、間分辨率、對比度差、噪聲干擾、亮度分布不均，通常具有不確定性和模糊性的特點，因而適合模糊理論知識對于圖像這種不確定性的良好描述，這也是當下圖像分割領域的一個熱點所在。
　　本文就以模糊理論為基礎，研究在圖像分割中常用到的模糊閾值及模糊 C均值算法，提出了改進的算法框架，并在醫(yī)學圖像處理中進行了應用測試。論文的主要研究工作和貢獻包括：
　?。?）提出了一個基于灰度直方圖和像素相似性的模糊閾值分割框架。通過圖像中像素集合模糊度進

3、行相似性模型計算，選擇合適的隸屬度函數(shù)及模糊度測量從而在這種情況下產生提取目標對象的最佳閾值。該方法不需要先驗知識，不基于最優(yōu)化方程，從而在應對某些類型的圖像具有優(yōu)勢。直接通過模糊隸屬度函數(shù)計算目標區(qū)域和背景區(qū)域像素點集合的相似性程度，得到合理閾值，而非一般地求解最優(yōu)方程，該方法可以有效避免某些陷入局部極值的情況。這也意味著該框架并不是得到全局最優(yōu)解，因此對于一系列相同規(guī)格的圖像，通過選擇不同的模糊隸屬度函數(shù)從而得到較合適的閾值。

4、>　?。?）提出了一種基于空間信息的模糊C均值聚類改進算法mbFCM。雖然模糊 C均值聚類算法及其相應改進已被廣泛使用在非監(jiān)督的圖像分割應用上，但還是或多或少受到噪聲或者細節(jié)缺失的影響。通過合理利用圖像鄰域空間信息結合雙邊濾波，并進一步使用多分辨率分析,使得該算法對于高、低頻噪聲均較不敏感，可以有效去除噪聲，并產生更均勻的聚類區(qū)域，保留更多細節(jié)，從而顯著提高聚類性能。
　?。?）通過 Matlab軟件仿真模擬，分別使用合成的和真實