粒度計算在圖像分割中的研究與應(yīng)用.pdf

1、圖像分割是將圖像表示成為物理上有意義的連通區(qū)域的集合，即圖像像素點在不同區(qū)域間的所屬歸類問題；粒度計算主要是研究不同粒子往返跳轉(zhuǎn)于不同粒度空間，以尋求所屬粒度區(qū)域的過程。顯然，圖像分割與粒度計算存在一定的共性。截止目前的研究，針對某一特定圖像問題的解決方案，都是單一的運(yùn)用粗糙集或者商空間的方法，并沒有一個完整的運(yùn)用粒度計算的理論來實現(xiàn)對圖像的處理方案。本文的主要工作是應(yīng)用粗糙集和商空間的獨立或相互結(jié)合的理論，分別在灰度圖像、彩色圖像和紋

2、理圖像的環(huán)境下，得出不同的分割方法。
　　 對于灰度圖像的分割，文中采用一種基于粗糙集理論的圖像分割方法。算法中首先給出待分割圖像的直方圖，通過提取直方圖的外層像素點作為粗糙集的上近似部分，計算像素點周圍的局部模糊程度，用以更新粗糙度；然后使用局部模糊粗糙度和待定算子來更新FCM算法中的隸屬度函數(shù)。這樣應(yīng)用一個全新的隸屬度函數(shù)重新對待分割圖像進(jìn)行聚類，得到不同的分割區(qū)域，即實現(xiàn)了灰度圖像的分割。
　　 在對彩色圖像分割的

3、實現(xiàn)過程中，本文吸取了基于主分量分析技術(shù)和最終相似關(guān)系的方法。首先提取彩色圖像的像素矩陣，計算采樣像素點的協(xié)方差矩陣、特征值和特征向量，利用特征向量構(gòu)成分割區(qū)域的特征空間；通過特征空間計算出不同所屬區(qū)域的權(quán)重矩陣；使用該權(quán)重矩陣?yán)锰卣骺臻g聚類方法進(jìn)行聚類分析，構(gòu)造出一個更加規(guī)整的、分布較為合理的知識信息表；根據(jù)知識信息表，分別計算對應(yīng)像素的值約簡、屬性權(quán)值；根據(jù)上述所得信息表和求出的不同屬性下的值約簡、權(quán)值等信息，做出對相似區(qū)域的劃分

4、；最后根據(jù)相似度進(jìn)行最后的整體相似性的合并，從而完成整個計算過程，也即完成了對彩色圖像的分割。
　　 由于紋理圖像局部有序性、整體無序性的特點，本文應(yīng)用商空間理論的元素關(guān)系性，以及粗糙集理論中元素屬性的局部模糊性的特征，來對紋理圖像的分割單獨進(jìn)行處理。利用傅里葉變換對像素空間進(jìn)行投影轉(zhuǎn)換，得到直方圖的初步統(tǒng)計；然后運(yùn)用統(tǒng)計結(jié)果，計算圖像像素的特征數(shù)字，并求得圖像中各個像素點的梯度值，從而獲取圖像中的紋理部分，完成紋理圖像的粗分割