资源预览内容
第1页 / 共41页
第2页 / 共41页
第3页 / 共41页
第4页 / 共41页
第5页 / 共41页
第6页 / 共41页
第7页 / 共41页
第8页 / 共41页
第9页 / 共41页
第10页 / 共41页
亲,该文档总共41页,到这儿已超出免费预览范围,如果喜欢就下载吧!
资源描述
(毕业论文)I基于区域增长法的图像分割(信工学院 电子信息工程专业) 摘 要图像分割是一种重要的图像分析技术。对图像分割的研究一直是图像技术研究中的热点和焦点。图像分割的目的是将图像划分为不同的区域,基于区域生长是以直接找寻区域为基础的分割技术。本论文首先简单介绍图像分割的主要方法,然后重点介绍一种基于区域增长法的图像分割方法,该方法是根据同一物体区域内象素的相似性质来聚集象素点的方法,从初始区域(如小邻域或甚至于每个象素)开始,将相邻的具有同样性质的象素或其它区域归并到目前的区域中从而逐步增长区域,直至没有可以归并的点或其它小区域为止。区域内象素的相似性度量可以包括平均灰度值、纹理、颜色等信息。关键词:图像分割;区域增长法;基本算法(毕业论文)IIAbstractThe image segmentation is an important technology of image processing. It is still a hot point and focus of image processing.The purpose is to image segmentation image is divided into different areas,based on region growing segmentation technique is based on the direct search for regional.This paper first briefly introduce the main method of image segmentation, and then focuses on a method of image segmentation based on region growing method, the method is based on similar properties in the same region within the object pixel to pixel aggregation method, from the initial area (as regards neighborhood of each pixel, or even), the adjacent pixel having the same nature or other areas merge into the current so as to gradually increase the area of the region can merge up until no other point or small area. Similarity measure may include a region of the pixel values of the average gray, texture, color and other information.Key words: Image segmentation; region growing method; basic algorithm(毕业论文)III目 录第一章 绪论 11.1 图像分割技术的现状和发展情况 .11.2 图像分割的简介 .11.3 图像分割的定义 .21.4 图像分割主要研究方法 .31.4.1 边缘检测法 .31.4.2 区域提取法 .31.4.3 阈值分割法 .41.4.4 结合特定理论工具的分割法 .41.5 论文的内容与结构安排 .5第二章 图像分割预处理 62.1 图像平滑 .62.1.1 中值滤波原理 .62.1.2 平滑效果分析 .72.2 灰度调整 .82.2.1 灰度调整原理 .82.2.2 灰度调整效果分析 .8(毕业论文)IV2.3 本章小结 .9第三章 基于区域增长法的图像分割技术 .103.1 区域生长法原理.103.2 图像生长法实验方法 113.2.1 图像二值化 123.2.2 基于区域灰度差的生长准则 133.2.3 基于区域内灰度分布统计性质的生长准则 143.3 算法流程设计 143.4 本章小结 16第四章 总结与展望 .174.1 工作总结 174.2 工作展望17致谢 19参考文献 20附 录 .21(毕业论文)1第一章 绪论本章对论文涉及的研究领域进行了较为详细的综述。简要介绍了图像分割对于现实生活的重要意义,目前的科学研究现状以及发展前景。并且图像分割这一领域的主要方法进行了简要的介绍,在整体流程上做以安排。1.1 图像分割技术的现状和发展情况图像分割的研究已经有了几十年的历史,它不仅得到人们的广泛重视和研究,在实际生活中也得到大量的应用。关于图像分割的原理和方法国内外已有不少结论与推想,但一直以来没有一种分割方法适用于所有图像分割处理。传统的图像分割方法存在着不足,不能满足人们的要求,为进一步的图像分析和理解带来了困难。随着计算机技术的迅猛发展,及其相关技术的发展和成熟,结合图像增强等技术,能够在计算机上实现图像分割处理。其中最主要的技术是图像分割技术,从图像中,将某个特定区域与其它部分进行分离并提取出来的处理。图像分割的方法有许多种,在这里大概介绍这几种方法:有阈值分割方法,边界分割方法,区域提取方法,结合特定理论工具的分割方法等。其中基于区域的方法采用某种准则,直接将图像划分为多个区域。而基于边缘的方法则通过检测包含不同区域的边缘,获得关于各区域的边界轮廓描述,达到图像分割的目的,而区域与边缘相结合的方法通过区域分割与边缘检测的相互作用,得到分割结果。1.2 图像分割的简介图像分割( image segmentation) 就是把图像分成各具特征的区域并提取出感兴趣目标的技术和过程。这里特征可以是象素的灰度、颜色、纹理等, 预先定义的目标可以对应单个区域也可以对应多个区域。图像分割是图像处理到图像分析的关键步骤, 在图像工程中占据重要的位置。一方面, 它是目标表达的基础, 对特征测量有重要的影响。另一方面, 因为图像分割及其基于分割的目标表达、特征提取和参数测量等将原始图像转化为更抽象更紧凑的形式, 使得更高层的图像分析和理解成为可能。(毕业论文)2图像分割是一种重要的图像处理技术, 它不仅得到人们的广泛重视和研究, 在实际中也得到大量的应用。图像分割包括目标轮廓、阈值化、图像区分或求差、目标检测、目标识别、目标跟踪等技术。从大的方面来说,图像分割方法可大致分为基于区域的方法、基于边缘的方法、区域与边缘相结合的方法,以及在此基础上的采用多分辨率图像处理理论的多尺度分割方法 。其中基于区域的方法采用某种准则,直接将图像划分为多个区域。而基于边缘的方法则通过检测包含不同区域的边缘,获得关于各区域的边界轮廓描述,达到图像分割的目的,而区域与边缘相结合的方法通过区域分割与边缘检测的相互作用,得到分割结果。图像分割中基于区域的方法主要有直方图门限法、区域生长法、基于图像的随机场模型法、松弛标记区域分割法等。本文主要讨论基于区域分割的区域生长法。区域生长是一种古老的图像分割方法,最早的区域生长图像分割方法是由Levine 等人提出的。该方法一般有两种方式,一种是先给定图像中要分割的目标物体内的一个小块或者说种子区域,再在种子区域基础上不断将其周围的像素点以一定的规则加入其中,达到最终将代表该物体的所有像素点结合成一个区域的目的;另一种是先将图像分割成很多的一致性较强,如区域内像素灰度值相同的小区域,再按一定的规则将小区域融合成大区域,达到分割图像的目的,典型的区域生长法如 T. C. Pong 等人提出的基于小面(facet)模型的区域生长法,区域生长法固有的缺点是往往会造成过度分割,即将图像分割成过多的区域。1.3 图像分割的定义借助集合概念对图像分割给出如下较正式的定义:令集合 R 代表整个图像区域, 对 R 的分割可看做将 R 分成 N 个(毕业论文)3满足以下五个条件的非空子集( 子区域)R1, R3, , RN:对所有的 i 和 j, ij, 有 RiRj;对 i=1,2,N, 有 P(Ri)=TRUE;对 ij, 有 P(RiRj)=FALSE;对 i=1,2,N, Ri 是连接的区域。其中 P(Ri)对所有在集合 Ri 中元素的逻辑谓词, 代表空集。上述的五个条件分别称为完备性,独立性,相似性,互斥性,连通性。1.4 图像分割主要研究方法图像分割是图像处理中的一项不可缺少技术,自 20 世纪 70 年代起一直受到人们的高度重视,至今已提出了上千种各种类型的分割算法,但是,问题在于现在提出的分割算法大都是针对具体问题的,并没有存在一种适合于所有图像的通用分割算法,所以存在着近年来每年都有上百篇相关研究报道发表的现象。然而,一直没有被确定下来制定规则,这给图像分割技术的应用带来许多的问题。因此,对图像分割的研究还在不断深入之中,是目前图像处理中研究的热点之一。图像分割在图像处理分析中的有着不可或缺的地位,它起着承上启下的作用,可以认为是介于低层次处理和高层次处理的中间层间。最近几年出现了许多新思路、新方法、或改进算法。下面对一些经典传统方法作简要的概述。图像分割是把图像分割成若干个特定的、具有独特性质的区域并提取出感兴趣目标的技术和过程,这些特性可以是像素的灰度、颜色、纹理等提取的目标可以是对应的单个区域,也可以是对应的多个区域。图像分割方法有许多种分类方式,在这里将分割方法概括为四类:(1)边缘检测方法(毕业论文)4(2)区域提取方法(3)阈值分割方法(4)结合特定理论工具的分割方法。1.4.1 边缘检测法图像处理分析的第一步往往是边缘检测。边缘检测方法是人们研究得比较多的一种方法,它通过检测图像中不同区域的边缘来达到分割图像的目的。边缘检测法的实质是通过检测包含不同区域的边缘,获得关于各区域的边界轮廓描述,达到图像分割的目的。边缘的定义为图像中灰度发生急剧变化的区域边界。图像灰度的变化情况可以用图像灰度分布的梯度来反映,因此我们可以用局部图像微分技术来获得边缘检测算子。经典的边缘检测方法,是通过对原始图像中像素的某小邻域构造边缘检测算子来达到检测边缘这一目的。1.4.2 区域提取法区域提取法有两种基本形式:一种是从单个像素出发,逐渐合并以形成所需的分割区域;另一种是从全图出发,逐渐分裂切割至所需的分割区域。在实际中使用的通常是这两种基本形式的结合。根据以上两种基本形式,区域提取法可以分为区域生长法和分裂合并法。区域生长法的基本思想是将具有相似性质的像素合起来构成区域,具体做法是先给定图像中要分割的目标物体内的一个小块或者说种子区域,再在种子区域的基础上不断将其周围的像素点以一定的规则加入其中,达到最终将代表该物体的所有像素点结合成一个区域的目的。该方法的关键是要选择合适的生长或相似准则。生长准则一般可分为三种:基于区域灰度差准则、基于区域内灰度分布统计性质准则和基于区域形状准则。分裂合并法是先将图像分割成很多的一致性较强的小区域,再按一定的规则将小区域融合成大区域,达到分割图像的目的。论文将对区域生长法的具体算法进行试验,并在实际问题当中加以佐证,分析其方法的优劣与改进方法。1.4.3 阈值分割法对灰度图像的取阈值分割就是先确定一个处于图像灰度取值范围之中的灰度阈值,然后将图像中各个像素的灰度值都与这个阈值相比较,并根据比较结果将(毕业论文)5对应的像素分为两类。这两类像素一般分属图像的两类区域,从而达到分割的目的。阈值分割算法主要有两个步骤:(1)确定需要的阈值;(2)将分割阈值与像素值比较以划分像素。可以看出,确定一个最优阈值是分割的关键。现有的大部分算法都是集中在阈值确定的研究上。阈值分割方法根据图像本身的特点,可分为单阈值分割方法和多阈值分割方法:也可分为基于像素值的阈值分割方法、基于区域性质的阈值分割方法和基于坐标位置的阈值分割方法若考虑分割算法所用的特征或准则的特点,还可以分为直方图与直方图变
网站客服QQ:2055934822
金锄头文库版权所有
经营许可证:蜀ICP备13022795号 | 川公网安备 51140202000112号