矢量形態(tài)學(xué)分水嶺分割算法研究.pdf

1、形態(tài)學(xué)分水嶺算法是源于數(shù)學(xué)形態(tài)學(xué)的一種強(qiáng)有力的圖像處理工具，可以有效提取圖像中感興趣的部分并保證分割邊緣的封閉性和連續(xù)性。缺陷在于對(duì)微弱邊緣較為敏感，易導(dǎo)致過(guò)分割現(xiàn)象?，F(xiàn)有的形態(tài)學(xué)分水嶺理論已廣泛應(yīng)用于二值及灰度圖像處理。由于彩色圖像具有矢量化數(shù)據(jù)特征，因此不能將現(xiàn)有的形態(tài)學(xué)分水嶺理論直接應(yīng)用到彩色圖像處理中。為了解決該問(wèn)題，本文主要研究矢量形態(tài)學(xué)分水嶺理論及其在彩色圖像分割中的應(yīng)用，論文工作主要有以下兩個(gè)方面。
　　(1)分水嶺

2、算法是基于圖像的局部極小值劃分區(qū)域的，因此分水嶺算法對(duì)噪聲較為敏感。在執(zhí)行分水嶺算法之前需要對(duì)圖像進(jìn)行預(yù)處理。為了剔除彩色圖像中的脈沖噪聲，本文改進(jìn)了傳統(tǒng)矢量中值濾波方法，并引入深度函數(shù)概念，發(fā)展出兩種改進(jìn)的矢量中值濾波算法，解決了噪聲判定不準(zhǔn)確的問(wèn)題。
　　(2)梯度圖像中的弱小邊緣也是導(dǎo)致過(guò)分割問(wèn)題的一個(gè)主要因素，現(xiàn)有的分水嶺方法主要通過(guò)梯度重建修正梯度圖像，解決過(guò)分割問(wèn)題。然而如何選擇重建算法中的結(jié)構(gòu)元素尺寸是一個(gè)難題。本文

3、改進(jìn)了一種自適應(yīng)梯度重建的分水嶺分割算法。該方法利用主成分分析技術(shù)對(duì)彩色圖像降維，然后計(jì)算降維后的梯度圖像，并采用自適應(yīng)重建算法修正梯度圖像，最后對(duì)優(yōu)化后的梯度圖像應(yīng)用分水嶺變換實(shí)現(xiàn)分割。
　　對(duì)含有脈沖噪聲圖像進(jìn)行濾波實(shí)驗(yàn)表明，改進(jìn)的矢量中值濾波算法有效剔除噪聲的同時(shí)保留了圖像細(xì)節(jié)。對(duì)標(biāo)準(zhǔn)測(cè)試圖像進(jìn)行分割實(shí)驗(yàn)表明，本文改進(jìn)的自適應(yīng)梯度重建的分水嶺分割算法能有效剔除非規(guī)則細(xì)節(jié)和噪聲引起偽極小值，解決了過(guò)分割問(wèn)題，從而有效提升了分割