基于最小生成樹的圖像分割方法研究.pdf

1、圖像處理廣泛應用在醫(yī)學圖像、遙感云圖、指紋識別、人臉檢測、地質(zhì)勘探等領域。圖像分割是圖像處理過程中的一個關鍵步驟，為圖像檢索、圖像分析提供有效的信息，使更高層次的圖像處理成為可能。常見的圖像分割方法歸納為基于邊界檢測和邊緣連接的方法、基于區(qū)域的分割方法和結合特定理論工具的分割方法三大類。近幾年，將圖論方法與其他方法結合，使圖像分割轉(zhuǎn)變?yōu)樽顑?yōu)化問題，成為國內(nèi)外圖像分割領域研究的熱點。
　　本文詳細闡述了基于圖論的圖像分割方法，在分析

2、最小生成樹方法的概念、原理的基礎上，針對Kruskal算法無法根據(jù)新生成區(qū)域修改加權區(qū)域鄰接圖的不足，提出一種改進的Kruskal算法:區(qū)域合并后，重新計算新區(qū)域與相鄰區(qū)域的權重，修改 WRAG和邊的排列順序。改進算法使 WRAG更接近原圖像的特征。
　　為了降低Kruskal算法中節(jié)點和邊的數(shù)目，在介紹了分水嶺算法的思想、基本模型和主要缺陷后，將基于數(shù)學形態(tài)學的分水嶺方法引入最小生成樹方法中，提出 K VW?方法。首先，利用分水

3、嶺方法對梯度圖像預分割，生成的過度分割區(qū)域轉(zhuǎn)化為無向圖中的節(jié)點，相鄰區(qū)域間的差異轉(zhuǎn)化為邊的權重，構造加權區(qū)域鄰接圖(WRAG)，再利用改進的Kruskal算法，結合 Deepthi Narayan提出的合并準則，通過區(qū)域內(nèi)部差異函數(shù)、閾值函數(shù)，比較區(qū)域內(nèi)部差異和外部差異，利用圖像自身信息，將符合合并準則的區(qū)域進行合并操作?；诜炙畮X的最小生成樹方法既能消除分水嶺的過度分割現(xiàn)象，又能降低邊的數(shù)目，獲得圖像的全局特征，保持較好的區(qū)域一致性。