没有合适的资源?快使用搜索试试~ 我知道了~
基于模糊理论的图像分割算法研究.pdf
1.该资源内容由用户上传,如若侵权请联系客服进行举报
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
版权申诉
0 下载量 197 浏览量
2023-03-02
20:32:22
上传
评论
收藏 580KB PDF 举报
温馨提示
试读
25页
..
资源推荐
资源详情
资源评论
基于模糊理论的图像分割算法研究
关键词: 图像分割 边缘检测 模糊理论 遗传算法 Matlab
XX
摘要:分割的目的是将图像划分为不同区域。图像分割算法一般是基于亮度
值的两个基本特性之一:不连续性和相似性。第一类性质的已用途径是基于亮
度的不连续变化分割图像,比像的边缘。第二类的主要应用途径是依据事先制订
的准则将图像分割为相似的区域 .门限处理、区域生长、区域分离和聚合都是这
类方法的实例.遗传算法具有简单、鲁棒性好和本质并行的突出优点。其在应用
领域取得的巨大成功,引起了广大学者的关注。在图像分割领域,遗传算法常
用来帮助确定分割值。
XX
本文介绍讨论了几种目前广泛应用的图像边缘检测、图像值分割的 **种算
法,并给出了对比分析 ;对遗传算法的基本概念和研究进展进行了综述 ;给出了标
准遗传算法的原理、过程、实验结果及分析. 实验结果表明,本文提出的遗传分
割算法优于传统分割算法。
第一章 绪论 1。1 图像分割综述
XX
图像分割就是指把图像分成 **具特性的区域并提取出感兴趣目标的技术
和过程 .这里所说的特性可以是灰度、颜色、纹理等,而目标可以对应单个区
域,也可以对应多个区域.图像分割是数字图像处理中的一项关键技术,它使得其
后的图像分析,识别等高级处理阶段所要处理的数据量大大减少 ,同时又保留有
关图像结构特征的信息。而且 ,在数字图像处理工程中,一方面,图像分割是目
标表达的基础,对特征测量有重要的影响;另一方面,图像分割是自动目标识
别的关键步骤,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,分割中出现的误差会至高层次处理阶段,因
此分割的精确程度是至关重要的。只有通过细致精细的图像分割,才能使得更
高层的图像分析和理解成为可能。因此 ,图像分割是由图像处理进到图像分析的
关键步骤,在图像工程中占据重要的位置.
XX
1.2 图像分割的研究意义与现状
作为视觉和图像处理中的难点和热点之一 ,图像分割的研究受到了研究工的
高度重视,对图像分割进行了深入、研究。作为一种重要的图像技术,图像分
割在不同领域中有时也用其它名称:如目标轮廓( object delition)技术,
值化(thresholding)技术,图像区分或求差(i mage discrimination)
技术,目标检测(target detection)技术,目标识别(target recogtion)技术,目
标跟踪(target tracking)技术等,但这些技术本身或其核心实际上也就是图
像分割技术。图像分割作为图像处理、分析的一项基本内容,其应用非常广
泛,几乎出现在有关图像处理的所有领域,并涉及 **种类型的图像。在自动
化、在线产品、生产程控、文件图像处理、遥感图像、保安监视、以及军事、
体育、等行业和工程中,图像分割都有着应用。例如:在遥感图像中,合成孔径雷
达图像中目标的分割、遥感云图中不同云系和背景分布的分割等 ;在应用中,脑
部 MR 图像分割成灰质(GM)、白质(WM)、脑脊髓(CSF)等脑组织和其
它脑组织区域(NB)等;在图像分析中,把车辆目标从背景中分割出来等;在
面向对象的图像压缩和基于内容的图像检索中将图像分割成不同的对象区域
等。在**种图像应用中,只要需对图像目标进行提取,测量等都离不开图像分
割。
自 20 世纪 70 年代至今 ,已提出上千种 **种类型的分割算法。如:门限
法、匹配法、区域生长法、-合并法、水线法、马尔可夫随机场模型法、多尺
度法、小波分析法、形态学等。随着新理论、的,一些新的图像分割方法也随
之出现,但这些分割算法都是针对某一类型图像、某一具体的应用问题而提出的,
并没有一种适合所有图像的通用分割算法.通用方法和策略仍面临着巨大的困难.
另外,还没有制定出选择适用分割算法的标准,这给图像分割技术的应用带来
许多实际问题.
XX
1.3 本所作的工作
据此,在本中只对常用的、并在中行之有效的边缘检测方法和值分割方法
进行深入的了解,并对值分割方法中的灰度直方图法和基于遗传算法的最大类
间方差法进行详细的讨论,同时用M atlab 对上述两种方法进行验证并给出结
果。
1。4 本的论述内容
XXXX
本文对图像分割的整个过程中的一些常用的,经检验行之有效的算法进行
了讨论和 改进。全文共七章。第一章为绪论,主要介绍了现阶段图像分割技术的
现状和研究意义。其他六章分别在以下几个方面介绍了本文所做的工作:
XX
1.对本文所采用的试验测试工具 Matlab 进行。
2.数字图像的基础问题。概述了数字图像的基本概念和特点,了 **种图
像格式的特点和应用,为全文的讨论作一铺垫。
3.详细讨论了图像分割中的基于值的图像分割方法,给出了直方法的算法
和验证结果,并简要介绍了普通最大类间方差法的算法过程。
XX
4。对遗传算法理论进行。详细讨论了遗传算法的定义和标准遗传算法的流
程和要素.为应用此方法对最大值进行迭代寻优打下基础。
XX
6.应用遗传算法改进了最大类间方差法。给出了整个遗传操作的使
XXXX
基于模糊理论的图像分割算法研究(5)
正是基于值型图像分割方法展开的。
XX
4.2 基于值的分割 4。2。1 方法定义与特点
基于值的分割方法是一种应用十分图像分割技术。所谓值分割方法的实质
是利用图像的灰度直方图信息得到用于分割的值。它是用一个或几个值将图像
的灰度级分为几个部分,认为属于同一个部分的象素是同一个物体。它不仅可
以极大的压缩数据量 ,而且也大大简化了图像信息的分析和处理步骤 .因此,在很
多情况下,是进行图像分析、特征提取与模式识别之前必要的图像预处理过
程。它特别适用于目标和背景占据不同灰度级范围的图像。值分割方法的最大
特点是计算简单,运算效率高,在重视运算效率的应用场合,它得到了应用.
XX
4.2。2 值的分割的描述
XXXX
设(x,y)是二维数字图像的平面坐标,图像灰度级的取值范围是 G= {0,
1, 2,…L-1 }(习惯上 0 代表最暗的像素点,L-1 代表最亮的像素点),
位于坐标点(x, y)上的像素点的灰度级表示为 f (x, y)。设 t∈G 为分割
值,B= {b0, b 1}代个二值灰度级,并且b0, b1∈B.于是图像函数 f 1(x,
y)在值t上的分割结果可以表示为:
值分割法实际就是按某个准则函数求最优值 t 的过程。域值一般可写成如
下的形式:
XX
T=T[x,y, f (x,Y),p (x,y)]
XX
其中 f (x, y)是在像素点(x, y)处的灰度值,p(x,y)是该点邻域的某
种局部性质.4。3.3值分割方法的分类
XX
通过上文的讨论,结合所给公式,可以将值分割方法分为以下 3 类:
1) 全局值:T=T,值与图像像素的本身性质和局部区域性质相关。
3) 动态值 :T=T,值与像素坐标,图像像素的本身性质和局部区域性质相
关。
XX
全局值对整幅图像仅设置一个分割值,通常在图像不太复杂、灰度分布较集
中的情况下采用;局部值则将图像划分为若干个子图像,并对每个子图像设定
局部值;动态值是根据空间信息和灰度信息确定。局部值分割法虽然能改善分割
效果,但存在几个缺点:
1) 每幅子图像的尺寸不能太小,否则出的结果无意义。
2) 每幅图像的分割是任意的,如果有一幅子图像正好落在目标区域或背景
区域,而根据统计结果对其进行分割,也许会产生更差的结果.
XX
3) 局部值法对每一幅子图像都要进行统计 ,速度慢,难以适应实时性的要
求。
XX
全局值分割方法在图像处理中应用比较多,它在整幅图像内采用固定的值
分割图像.考虑到全局值分割方法应用的广泛性,本文所着重讨论的就是全局值分
割方法中的直方图法和基于遗传算法的最大类间方差法。在本节中,将重点讨
论灰度直方图法,最大类间方差法以及基于遗传算法的最大类间方差法留待下
章做继续深入地讨论。
XX
4.2.3 直方图法(de 法)
Prewitt 等人于六十年代中期提出的直方图法(也称 de 法) 是典型的全
局单值分割方法 .该方法的基本思想是 :假设图像中有明显的目标和背景 ,则其灰
度直方图呈分布,所示:
剩余24页未读,继续阅读
资源评论
不吃鸳鸯锅
- 粉丝: 8245
- 资源: 2万+
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功