圖像中模糊邊界目標的閾值分割方法研究.pdf

1、圖像分割是圖像處理與計算機視覺領域低層次視覺中最為基礎和重要的領域之一，它是模式識別和目標檢測的前提，具有重要的實際價值。但在圖像中目標邊界模糊的情況下，目標與背景之間的灰度差異并不大，增加了目標提取的難度，影響了后續(xù)任務的處理，在實際應用中具有一定的難度。本文主要研究圖像中目標邊界模糊的分割算法，通過分析以往算法的不足之處，提出新的算法提高圖像分割質(zhì)量。本文的主要內(nèi)容如下：
　　 1.本文首先闡述了課題的研究背景以及意義，分

2、析了國內(nèi)外圖像分割算法的研究現(xiàn)狀。介紹閾值分割方法的優(yōu)點及其基本原理，指出了閾值分割算法在處理弱邊界圖像時的局限性。
　　 2.現(xiàn)有的二維最小誤差閾值法在處理含有噪聲的弱邊界圖片,特別是含有椒鹽噪聲時，使用的二維直方圖斜分方法并不合理，即二維直方圖斜分法雖然考慮其平面投影圖中的所有四個矩形區(qū)域，但在處理含有噪聲圖片時，噪聲點也被考慮到閾值選取策略中，影響了圖像分割的質(zhì)量。本文引入一種新的二維直方圖的構造方法，減少了噪聲點對閾值

3、選取策略的影響，有效地減少了分割后圖像中的噪聲點，提高了分割質(zhì)量。
　　 3.圖譜劃分理論的基本思想是把一幅圖像看作一個無向帶權圖，圖中的每個節(jié)點代表圖像中的像素點或者某個區(qū)域，節(jié)點間的權值表示了節(jié)點之間聯(lián)系的緊密程度，然后根據(jù)一定劃分準則確定能量函數(shù)，由該能量函數(shù)確定圖像的最佳劃分。由于某些圖像具有弱邊界的特點，現(xiàn)有的基于歸一化的圖譜閾值劃分方法在計算權值時僅考慮了節(jié)點間的灰度差異及空間位置，很難得到一個合適的解，因而在分割

4、弱邊界圖像時，沒有很好地保留圖像細節(jié)信息。本算法引用高斯混合模型構造新的約束條件引入權值公式中，使得權值計算更加充分地考慮了像素之間的關聯(lián)，提高了圖像分割質(zhì)量。
　　 4.現(xiàn)有圖譜劃分測度的計算需要在整個灰度圖像的灰度級范圍進行遍歷，增加了圖譜劃分測度的計算量。而本文可以根據(jù)圖像的灰度級范圍自適應確定門限值的灰度級范圍，主要策略是引入了高斯混合模型，把高斯混合模型中的均值參數(shù)作為門限值的分布區(qū)間，達到減少灰度值遍歷次數(shù)目的，進