基于直方圖無關(guān)準(zhǔn)則與基于混合控制策略的區(qū)域分割方法研究.pdf

1、圖像分割是圖像理解的基礎(chǔ)和關(guān)鍵，也是計算機視覺研究領(lǐng)域的一個經(jīng)典難題。閾值分割和分水嶺分割是兩種流行的基于區(qū)域的圖像分割技術(shù)?，F(xiàn)有的閾值分割方法往往是針對具有特定直方圖模式的圖像而研發(fā)的，結(jié)果它們僅適用于分割具有特定直方圖模式的圖像，適用范圍非常窄。分水嶺分割面臨的一個主要問題是過分割，抑制過分割的常用策略是增強預(yù)處理和區(qū)域合并后處理。對生物醫(yī)學(xué)工程領(lǐng)域常見的結(jié)構(gòu)性紋理圖像，經(jīng)過預(yù)處理和后處理得到的分割結(jié)果要么仍存在明顯的過分割，要么會

2、出現(xiàn)比較嚴(yán)重的欠分割。針對閾值分割和分水嶺分割存在的上述問題，研究新的閾值分割方法使它盡可能獨立于圖像直方圖模式是一個主要目標(biāo)；而研究更穩(wěn)健的分水嶺分割技術(shù)以便能精確分割結(jié)構(gòu)性紋理圖像是另外一個研究目標(biāo)。
　　 針對現(xiàn)有的閾值分割方法往往只能對具有特定直方圖模式的圖像進行分割的問題，提出了三種新的直方圖模式無關(guān)的閾值分割方法。首先提出了一種基于多尺度梯度乘的閾值分割方法。從理論上分析了多尺度梯度乘技術(shù)在對象定位精度和抗噪穩(wěn)健性方

3、面的優(yōu)勢，并推導(dǎo)出多尺度梯度乘的濾波次數(shù)和濾波尺度的合理取值。通過分析邊緣和非邊緣像素上多尺度梯度乘輸出信息的統(tǒng)計差異性，構(gòu)造了一個新的用于確定閾值的的辨識函數(shù)，并通過最大化這個辨識函數(shù)來確定合理的分割閾值。在具有不同直方圖模式的合成和真實圖像上進行的大量實驗表明了新方法的有效性。在含有高斯噪聲的圖像上的實驗也證明了新提出的方法具有更穩(wěn)健的抗噪性能。
　　 基于過渡區(qū)的閾值分割方法具有分割不同直方圖模式圖像的潛能。但是，現(xiàn)有的基

4、于過渡區(qū)的方法存在明顯的缺陷：對噪聲敏感和對特征參數(shù)敏感。針對這兩個問題，提出一種基于平穩(wěn)過渡區(qū)集的閾值分割方法。該方法認為不同的合理過渡區(qū)可以構(gòu)成一個過渡區(qū)的集合，該集合中元素的灰度均值具有良好的穩(wěn)定性。利用這種穩(wěn)定性對過渡區(qū)所屬集合加以甄別以篩選出合理的過渡區(qū)集。合理過渡區(qū)集的中間元素的灰度均值被作為最終的分割閾值。在大量合成圖像和真實圖像上的實驗表明：和同類方法相比，新方法準(zhǔn)確地提取了圖像的過渡區(qū)，獲得了更好的閾值分割結(jié)果。

5、>　　 提出的第三種直方圖模式無關(guān)的閾值分割方法是基于模式匹配思想的。提出的方法將部分邊緣點集作為參考模式，通過尋找和該參考模式最匹配的閾值分割結(jié)果來確定合理的分割閾值。該閾值分割方法采用了提出的一種新的反正切Hausdorff距離作為模式匹配測度。在具有不同直方圖模式的真實圖像上進行的大量實驗表明了新方法的有效性。
　　 針對現(xiàn)有分水嶺方法分割復(fù)雜結(jié)構(gòu)性紋理圖像會產(chǎn)生嚴(yán)重過分割或者欠分割問題，提出了一種基于混合控制策略的分水