圖像中模糊邊界目標(biāo)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(lǐng)域低層次視覺中最為基礎(chǔ)和重要的領(lǐng)域之一，它是模式識別和目標(biāo)檢測的前提，具有重要的實際價值。但在圖像中目標(biāo)邊界模糊的情況下，目標(biāo)與背景之間的灰度差異并不大，增加了目標(biāo)提取的難度，影響了后續(xù)任務(wù)的處理，在實際應(yīng)用中具有一定的難度。本文主要研究圖像中目標(biāo)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(gòu)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(quán)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(quán)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(zhǔn)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(quán)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(xì)節(jié)信息。本算法引用高斯混合模型構(gòu)造新的約束條件引入權(quán)值公式中，使得權(quán)值計算更加充分地考慮了像素之間的關(guān)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(jìn)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(yīng)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(dá)到減少灰度值遍歷次數(shù)目的，進(jìn)