基于邊緣和區(qū)域的彩色圖像若干分割方法研究.pdf

1、隨著多媒體技術(shù)和互聯(lián)網(wǎng)技術(shù)的迅速發(fā)展，我們在每天的工作和生活中都會接觸到大量的多媒體信息。彩色圖像能夠表示現(xiàn)實世界中豐富的內(nèi)容，因此，彩色圖像無疑是多媒體信息中極為重要的一種表現(xiàn)形式。隨著信息技術(shù)的發(fā)展，彩色圖像處理技術(shù)已經(jīng)深入到我們生活當(dāng)中，各行各業(yè)對彩色圖像處理技術(shù)的需求越來越大。彩色圖像分割技術(shù)作為彩色圖像處理技術(shù)中的一個關(guān)鍵問題，為基于圖像處理的人工智能、模式識別等應(yīng)用提供了最基本的數(shù)據(jù)特征信息，它對這些應(yīng)用起著至關(guān)重要的作用。

2、而它也是影響機器視覺學(xué)科發(fā)展的瓶頸問題，因此對它的研究具有重要的意義和實用價值。 彩色圖像分割技術(shù)包含的內(nèi)容非常廣，我們不可能面面俱到。本文在回顧分析了眾多彩色圖像分割方法的基礎(chǔ)上，主要針對基于區(qū)域和邊緣的分割方法進行了研究。其中針對基于區(qū)域的分割方法，又從基于局部和全局特征兩個角度分別進行了算法設(shè)計。這些算法已經(jīng)被應(yīng)用于不同領(lǐng)域。 具體來說，本文的主要創(chuàng)新工作如下： (1)本文分割算法在處理顏色相似性時，均采取

3、非線性度量方式，分別采用了高斯混合模型和FCM算法來對進行顏色分布描述和分類。高斯混合模型和基于FCM算法分類的類別數(shù)在實際工程應(yīng)用中往往根據(jù)顏色直方圖的可靠峰值來確定，基于此提出了采用自適應(yīng)Mean-Shift過程來預(yù)測用以擬合高斯混合模型的EM算法和FCM算法初始值的策略。 (2)基于JSEG算法框架，提出了SJSEG算法，利用高斯混合模型來提供顏色的相似性度量，由于使用了自適應(yīng)．Mean-Shift過程來自適應(yīng)預(yù)測類別數(shù)，

4、因此往往可以得到的合適類別數(shù)，在混合模型基礎(chǔ)上提出了基于Fisher線性判據(jù)的軟J值概念，初始分割完成后，利用區(qū)域的隸屬度直方圖之間的相似性進行區(qū)域合并，得到了比JSEG更加魯棒的分割結(jié)果，并把SJSEG成功用于舌診客觀化中舌面苔質(zhì)同質(zhì)區(qū)域的劃分。 (3)分析了兩種傳統(tǒng)經(jīng)典彩色梯度計算方法，并討論了適于采用動態(tài)輪廓線模型進行分割的彩色圖像的特點，指出了傳統(tǒng)基于線性度量的彩色梯度計算方法與動態(tài)輪廓線模型結(jié)本論文的研究工作曾得到以下

5、基金項目的資助：國家自然科學(xué)基金項目(30170274)、上海市科委人臉識別項目(03DZl4015)、上海市科委重點項目“中醫(yī)四診客觀化研究”。 合的不利之處，進而提出了適合動態(tài)輪廓線模型應(yīng)用的基于顏色高斯混合模型的非線性度量方法計算彩色梯度，并將其應(yīng)用于梯度矢量流輪廓線模型。此方法有良好的分割性能和抗噪性。基于此方法，提出了一種舌圖像中舌體的自動提取算法，并成功應(yīng)用于舌診客觀化系統(tǒng)。 (4)分析了基于圖論的Norma

6、lized Cuts方法中建立節(jié)點間相似性度量的方法，提出了基于數(shù)據(jù)驅(qū)動的相似性度量方法中指數(shù)函數(shù)下降率參數(shù)的自適應(yīng)求取方法，大大提高了NormalizedCuts方法的自適應(yīng)能力；提出了依據(jù)分水嶺變換分割結(jié)果的獨立區(qū)域作為節(jié)點，利用顏色高斯混合模型建立每個節(jié)點的歸一化隸屬度直方圖，進而采用歸一化直方圖間的Bhattacharyya系數(shù)建立節(jié)點間相似性度量，利用改進的Normalized Cuts方法進行區(qū)域合并，不但提高了分割質(zhì)量并大

7、大縮短了分割時間。 (5)在(4)的框架下，顏色采用基于AMS預(yù)測初始條件的FCM算法進行模糊聚類提供顏色的非線性度量，融合了采用DOOG濾波器組進行圖像局部空間結(jié)構(gòu)特征來提高算法的適用度(可有效對隨機紋理和規(guī)則紋理圖像進行分割)，并提出了基于Mean-Shift濾波原理的局部最優(yōu)特征點重定位，這可以更加有效地提取處于同質(zhì)邊緣區(qū)域的分水嶺區(qū)域的特征信息，使分割結(jié)果的邊緣定位更加精確，克服了基于局部統(tǒng)計信息進行分割所帶來的邊緣定