多源圖像區(qū)域分割的分水嶺算法研究.pdf

1、多源圖像的處理技術(shù)中多源圖像的分割一直是學(xué)者們研究的重要領(lǐng)域。因此，如何利用多源圖像的信息提高分割質(zhì)量以及采用哪種有效的分割方法一直是備受關(guān)注的研究問題。針對(duì)這一問題，本文主要研究了多源圖像區(qū)域分割的方法并且重點(diǎn)研究了區(qū)域分割算法中的一種典型的算法—分水嶺算法，并采用分水嶺算法對(duì)多源圖像（主要以可見光圖像以及紅外圖像為主）進(jìn)行分割。
　　分水嶺算法與其他方法相比，它具有獲取圖像邊界連續(xù)，運(yùn)算速度快，計(jì)算精度高的優(yōu)點(diǎn)，但是由于分水嶺

2、算法存在過度分割現(xiàn)象以及對(duì)噪聲敏感的缺陷，因此，為了克服分水嶺算法的這些缺陷，本文主要研究如何采用區(qū)域分割方法改進(jìn)分水嶺算法，具體內(nèi)容如下:
　　首先研究了多源圖像去噪、平滑、濾波的方法，根據(jù)多源圖像的成像原理及特點(diǎn)，采用最佳的圖像去噪、平滑、濾波的方法對(duì)多源圖像進(jìn)行預(yù)處理，從而完成分水嶺算法的前期改進(jìn)。
　　其次，重點(diǎn)研究了基于區(qū)域的分割算法中的閾值分割算法，并在分析比較各種閾值分割方法的優(yōu)缺點(diǎn)的過程中，選擇了最大類間方差

3、法（OTSU法）作為本文的閾值分割方法，并進(jìn)一步對(duì)該方法進(jìn)行了改進(jìn)，提出了結(jié)合梯度特征的最大類間方差法，進(jìn)而將該方法作為分水嶺算法分割前的預(yù)分割方法，因而又提出了結(jié)合閾值算法的分水嶺分割方法。
　　最后，深入研究了區(qū)域生長(zhǎng)和分裂合并算法，依據(jù)此算法的思想，采用聚類算法來(lái)解決分水嶺分割后產(chǎn)生的小區(qū)域的合并問題，并在分析比較常用的聚類分割方法的優(yōu)缺點(diǎn)的過程中，選擇了FCM算法作為本文的聚類分割方法并且對(duì)該方法進(jìn)行了改進(jìn)，提出了結(jié)合空間