基于過渡區(qū)的圖像分割技術研究.pdf

1、圖像分割是一種重要的圖像分析技術。在圖像的研究和應用中，研究人員往往僅對圖像中某些部分感興趣，這些部分常稱為目標或前景(其他部分稱為背景)，一般對應圖像中特定的、具有獨特性質的區(qū)域。圖像分割是計算機視覺研究中最基本的處理步驟和關鍵技術，是目標識別、圖像理解的基礎，分割結果的好壞直接影響其后續(xù)的識別和理解，因此人們一直在不斷地探索新的分割算法和分割理論。
　　 本文對基于過渡區(qū)的圖像分割技術進行了比較深入的研究，重點研究了直接提取

2、過渡區(qū)的非梯度方法。提出基于方向信息測度的多尺度圖像過渡區(qū)提取與分割方法；基于鄰域一致性測度圖像過渡區(qū)提取與分割方法以及基于模糊熵區(qū)域非一致性測度圖像過渡區(qū)的提取與分割方法。分割方法抗噪聲性能的本質在于測度對灰度值的變化不敏感，三種方法都具有較好的圖像過渡區(qū)提取與分割性能和很好的抗噪聲性能。模糊熵的引入，使模糊熵區(qū)域非一致性方法的混合噪聲濾除效果更好。
　　 當圖像含有多類目標時，圖像過渡區(qū)直方圖表現為多峰分布，每個峰對應一個分

3、割區(qū)域。本文使用基于勢函數聚類的多閾值圖像分割算法，檢測過渡區(qū)直方圖的相鄰劃分勢函數組，其曲線的交點即為分割閾值，然后使用差異度與代價函數決定最優(yōu)類別個數及閾值。算法簡單，得到的閾值準確、穩(wěn)定，運算速度較快、實時性強，較好地解決了基于過渡區(qū)的圖像分割方法中的多閾值分割問題。
　　 由于均值濾波和中值濾波算法本身的局限性，當圖像同時受到高斯噪聲和脈沖噪聲污染時，此時采用單一的均值濾波或中值濾波算法濾除噪聲效果都不理想。因此，本文提

4、出一種基于區(qū)域分類的自適應混合濾波方法，利用鄰域一致性測度把圖像分成不同區(qū)域，并對不同區(qū)域采取不同的濾波方法，這樣既保持了均值濾波算法對高斯噪聲有良好濾噪能力的特性，又兼顧了中值濾波算法對圖像細節(jié)有良好保持特性的優(yōu)點。
　　 紋理圖像是以紋理特性為主導特性的圖像。紋理圖像在局部內呈現不規(guī)則性，而在整體上表現出某種統計規(guī)律性。紋理表現是一種區(qū)域特性，因此紋理必然要在圖像的某個區(qū)域上才能反映或測量。僅利用像素的灰度級信息并不能將其中

5、的不同區(qū)域分割開，本文提出了基于單演相位的紋理圖像分割方法。根據不同紋理之間單演相位信息的不同分布，提取特征圖像。這種方法對于不同紋理之間及紋理與物體之間有很好的特征描述，取得較好的分割效果。
　　 X射線檢測圖像是焊縫缺陷分析和質量評定的重要依據。傳統的方法是利用階躍邊緣和屋脊邊緣進行圓形和條形缺陷分割，本文提出基于過渡區(qū)多尺度工業(yè)X光圖像焊縫缺陷分割算法。在不同的尺度下，可以檢測不同缺陷大小，通過支持向量機方法將焊縫缺陷劃分