基于小波分析的自適應(yīng)多閾值圖像分割研究.pdf

1、圖像分割是圖像識別與理解中的關(guān)鍵步驟之一,圖像分割質(zhì)量的好壞將直接影響圖像識別與理解的結(jié)果。近年來,在圖像處理和計算機視覺領(lǐng)域中,符合人眼視覺模型的多分辨率技術(shù)日益受到人們的重視。在圖像分割研究中,基于人類視覺感知特性的圖像分割方法亦是一個重要的研究方向。具有“數(shù)學(xué)顯微鏡”美譽的小波分析,被認(rèn)為是目前能夠模擬人眼感知方向性和多尺度特性的最佳數(shù)學(xué)工具。
　　 本文在對圖像分割進行綜合研究的基礎(chǔ)上,充分利用小波變換的多分辨率分析方法

2、和小波變換的特殊性質(zhì),提出了一種基于小波分析的自適應(yīng)多閾值圖像分割方法以及基于該方法的兩種圖像分割組合算法。
　　 首先,針對圖像直方圖中的毛刺現(xiàn)象,提出了一種基于條件濾波的直方圖修正方法。該方法以低通濾波為基礎(chǔ),以直方圖中相鄰位置點的關(guān)系為條件,對直方圖進行基于條件的濾波修正。實驗結(jié)果表明,該方法能夠消除直方圖中大量的虛假閾值點,且保證有意義閾值點的位置與值不變。
　　 其次,通過分析直方圖小波變換系數(shù)的特點,并改進最

3、小距離準(zhǔn)則,得出了不同分解尺度下圖像分割閾值的定位方法。該過程還給出了直方圖小波變換中小波的選取原則與確定小波變換最佳分解尺度的思路。
　　 最后,有機地將本文的直方圖小波變換法分別與迭代閾值法和Otsu法相結(jié)合,提出了兩種基于組合算法的圖像分割閾值搜索定位策略。組合算法不僅能夠?qū)崿F(xiàn)多閾值的自適應(yīng)選取,還明確了不同類別之間的差別,提高了閾值的定位精度,同時減少了迭代閾值法與Otsu法的計算量。
　　 本文的方法由于采用了