云模型在圖像分割領(lǐng)域中的應(yīng)用研究.pdf

1、圖像分割是圖像處理的過程中非常關(guān)鍵的步驟，分割結(jié)果的質(zhì)量直接影響后續(xù)的圖像識(shí)別和分析，因此圖像分割算法的研究越來越受到廣泛的關(guān)注。傳統(tǒng)的分割方法包括閾值分割法、區(qū)域分割法及邊緣檢測(cè)法等，近年來一些基于新理論新技術(shù)的分割方法也開始進(jìn)入人們的視線，例如:基于數(shù)學(xué)形態(tài)的分割法、基于神經(jīng)網(wǎng)絡(luò)的分割法、基于模糊控制的分割法以及基于遺傳算法的分割法等等。
　　云模型是將概率論和模糊集相結(jié)合提出的定性概念和定量表達(dá)之間的轉(zhuǎn)化模型。正態(tài)云模型是一

2、種基本的云模型，自然世界中很多的定性概念都可以近似看作是正態(tài)或半正態(tài)的分布，因此很多問題都可以看作正態(tài)云模型來解決。云模型中的云滴具有不確定性，同一個(gè)云滴可以隸屬于不同的云，不同的云滴也可以隸屬于一朵相同的云，這種特點(diǎn)可以對(duì)不確定信息進(jìn)行“軟”劃分。圖像分割就是一種將圖像像素根據(jù)給定的信息進(jìn)行分類從而提取出目標(biāo)區(qū)域的過程，因此可以將云滴的這種不確定性應(yīng)用于圖像分割領(lǐng)域。
　　云模型在對(duì)各種傳統(tǒng)的圖像分割算法的改進(jìn)方面已經(jīng)有了不少研

3、究且取得了良好的效果，但是在基于新理論新技術(shù)領(lǐng)域的改進(jìn)研究還相對(duì)較少，本文從基于數(shù)學(xué)形態(tài)學(xué)和基于遺傳算法的圖像分割領(lǐng)域入手，進(jìn)行改進(jìn)研究。
　　在基于數(shù)學(xué)形態(tài)學(xué)的圖像分割領(lǐng)域中，最典型的分割方法是分水嶺算法。分水嶺算法在進(jìn)行圖像分割時(shí)最主要的問題就是容易出現(xiàn)過分割現(xiàn)象，因此采用改進(jìn)后的云模型綜合算法進(jìn)行合并，可以成功解決這個(gè)問題。而云模型在進(jìn)行云綜合時(shí)需要對(duì)子云進(jìn)行合并，傳統(tǒng)的合并過程中對(duì)什么樣的子云適合進(jìn)行合并沒有給出一個(gè)簡(jiǎn)便有

4、效的方法。針對(duì)這個(gè)問題本文提出了云密切度的概念，同時(shí)從云模型相對(duì)距離和交叉部分大小的角度進(jìn)行了定義，使得判定結(jié)果更加合理。將使用該判定方法的云綜合算法應(yīng)用于分水嶺分中，可以得到更好的分割效果。
　　在基于遺傳算法的圖像分割領(lǐng)域中，交叉概率和變異概率值的設(shè)定直接影響算法的搜索效果。傳統(tǒng)的遺傳算法中交叉概率和變異概率值是一定的，容易使搜索陷入局部最優(yōu)，自適應(yīng)遺傳算法對(duì)此進(jìn)行了改進(jìn)，使交叉概率和變異概率可以進(jìn)行自適應(yīng)的調(diào)整，但是對(duì)于容易