基于Parzen窗和Q學(xué)習(xí)的圖像分割算法研究.pdf

1、圖像分割能夠按照某一特征把圖像分成若干具有一定意義的、互不交疊的區(qū)域，是由圖像處理前進(jìn)到圖像分析的關(guān)鍵一步。圖像分割的質(zhì)量將直接影響對(duì)圖像的后續(xù)處理，所以圖像分割被視為圖像處理的瓶頸，具有十分重要的意義。
　　 圖像分割是一種重要的和關(guān)鍵的圖像分析技術(shù)，對(duì)圖像目標(biāo)進(jìn)行提取、測(cè)量等都離不開它，圖像分割的結(jié)果是圖像特征提取和識(shí)別等圖像理解的基礎(chǔ)，對(duì)它的研究一直是圖像技術(shù)研究中的熱點(diǎn)和焦點(diǎn)。本文針對(duì)圖像的分割問題進(jìn)行了以下的研究。

2、r>　　 本文綜合考慮了圖像中像素的灰度分布信息，以及像素的鄰域平均灰度信息，提出了基于帶有鄰域平均灰度信息的Parzen窗圖像分割算法(即NPW圖像分割算法)。從而使得此算法在圖像的質(zhì)量較差時(shí)，仍然可以取得較好的分割效果。但是此算法需要在圖像的二維灰度空間里進(jìn)行遍歷搜索，因此算法復(fù)雜性高而且運(yùn)算時(shí)間長(zhǎng)。為了解決這個(gè)問題，提出了基于過渡區(qū)和粒子群優(yōu)化的NPW圖像分割算法(即TPNPW圖像分割算法)。TPNPW圖像分割算法采用了過渡區(qū)技

3、術(shù)來縮短N(yùn)PW圖像分割算法的運(yùn)算時(shí)間。同時(shí)，為了更進(jìn)一步的縮短N(yùn)PW圖像分割算法的運(yùn)算時(shí)間。TPNPW圖像分割算法還使用了粒子群優(yōu)化來加快搜索的速度。根據(jù)所做的對(duì)比實(shí)驗(yàn)和對(duì)實(shí)驗(yàn)結(jié)果的分析，可以得出TPNPW圖像分割算法對(duì)質(zhì)量較差的圖像仍然能夠取得較好的分割效果并且能夠滿足一般環(huán)境下對(duì)實(shí)時(shí)性的要求。
　　 本文考慮到基于不同理論的圖像分割算法在圖像分割效果中的互補(bǔ)性，提出了將不同理論的圖像分割算法進(jìn)行融合的Q學(xué)習(xí)閾值融合分割算法(

4、即FQ圖像分割算法)。從而達(dá)到提高算法普遍適應(yīng)性的目的。FQ圖像分割算法綜合考慮了三種判別分割圖像質(zhì)量的評(píng)價(jià)指標(biāo)(即區(qū)域間對(duì)比度，區(qū)域內(nèi)部均勻性，形狀測(cè)度)來構(gòu)造積累回報(bào)函數(shù)。并以獲得最大積累回報(bào)為準(zhǔn)則來調(diào)整不同分割算法的權(quán)值。從而使FQ圖像分割算法取得更好的分割效果和普遍適應(yīng)性。FQ圖像分割算法中使用了粒子群優(yōu)化來加快算法的運(yùn)行速度。實(shí)驗(yàn)結(jié)果表明FQ圖像分割算法，不僅分割性能優(yōu)于單一圖像分割算法，而且具有良好的普遍適應(yīng)性。