论文研究-基于分水岭算法的灵武长枣图像分割方法研究.pdf

所需积分/C币:9 2019-09-12 17:46:20 993KB .PDF
收藏 收藏
举报

传统分水岭算法常常会因阈值选择不当而导致图像分割出现各种各样的问题,尤其是过分割问题。在传统分水岭算法的基础上,以灵武长枣图像为研究对象,运用遗传算法对随机选取的阈值进行优化选择;对自然光照环境下的20幅灵武长枣图像,采用改进后的分水岭算法对其进行分割。首先在传统分水岭算法的基础上,利用遗传算法对阈值进行寻优,得到最优的图像分割阈值,再利用最大类间方差法和数学形态学等方法对图像进行后处理,最终得到分割图像,将分割图像与人工分割得到的图像进行比较,分割的正确率能达到89.99%,且分割效果远远优于传统分水岭算法。实验表明,该方法能够得到最优分割阈值并且能够满足机器识别对图像分割的要求。
刘向南,王昱潭,赵琛,等:基于分水岭算法的灵武长枣图像分割方法研究 ()形态学重构结果 形学重构结果 图像像素 ()颜色分量折线图 图形态学重构结果 分水岭算法 蒲瑞维特算法 灵武长枣图像在经过转换和传输后,由于受预处理 中均值滤波的影响,传递函数对图像的高频成分有衰减 作用,这样就不可癃免地造成了图像模糊。本文采用蒲 瑞维特算法来对图像进行处理。蒲瑞维特算法属于 图像锐化,它可以通过增强高频分量来突出图像轮廓边 图像像素 缘,从而使图像变得清晰 ()颜色分量折线图 图颜色分量折线图 设灵武长枣图像为f(x,y),则它的梯度定义为 Gxy少=/y0 ar a 式()中G[(x,y是图像f(xy)的梯度,也就是灵武长 枣图像f(x,y)的梯度图像。而在蒲瑞维特算法当中叮 以进一步这样表示 If(r, y)=N[dif(x,y)]+[d2f(x:)R 其中 )颜色分量相减图()颜色分量相减图 dif(x,y =(a2 +a3+av-(ao +ay+as 图与颜色分量相诚图 l2f(x,y)=(a0+a1+a2)-(a6+a5+a4) 一标记图像重构膨胀 aa,a1,…,a之间的关系如图所示,d1和d2的模板分 别如图和图所示。 这样通过蒲瑞维特算法,可以将原始灵武长枣图 -掩模图像 (x,y)转变为梯度图像G/(x,y)],这样就可以方便利 用分水岭算法对梯度图像进行分割。 标记图像 分水岭算法 图形态学重构原理图 分水岭算法是一种借鉴了形态学理论的阈值分 在本实验当中,先将输入的灵武长枣图像进行腐割方法,像自然地貌中的地形表面一样,在分水岭算法 蚀,把腐蚀过的图像作为掩模图像,输入的图像作为标当屮可以将需要进行分割的输入图像看作是一个拓扑 记图像,然后进行形态学重构。在腐蚀的过程中,为了地形图,每一个像素的灰度值f(xy代表着地形的海拔 使结构元素与需要提取的前景目标相对应,并且使前景高度。灰度值大的对应山峰,灰度值小的对应山谷。将 目标的边缘更明显,本文创建的是平面圆形结构元素。所有的谷刺穿,山谷谷底开始积水,水平面就开始匀速 形态学重构结果如图所示。 上升。随着水平面的上升,积水的面积会越来越大,最 y丿 图各系数间的位置关系图图蒲瑞维特算法1的模板图蒲瑞维特算法的模板 计算机工程与应用 后漫过整个地形表面。为了防止不同谷的积水汇合,在 样体规模 汇合处筑坝。当水平面完全漫过整个地形表面之后所群体规模会影响遗传优化的最终结果以及遗传 筑水坝就会将积水分割成一个一个的区域。在这个过算法的执行效率。群体规模太小,则可能会使遗传算法 程中,水坝就是分水岭,也就是图像分割完成后的区域陷入局部最优解;群体规模太大,则计算的复杂度较 与区城之间的边界而不同的区域就称作是积水盆地高。因此本文设定阙值的初始群体规模是个,每 由这些不同的积水盆地和分小岭组成的区域就是要分个國值个体的染色体基因位数为位,即 割图像的前景目标:分水岭概念图如图所示 ={X=(X1,X2,…,X1.X2∈Si<16) () 分水岭 x==(42°4.l2∈X(i<8) 利用 屮的函数可以实现对第·代阈值 种群的随机选择。由于群体规模较小,因此设定遗传运 鲜的终止进化代数为代,当进行到代时遗传算 法运算结束 积水盆地局部极小值 适应度两数 图分水岭概念示意图 本文选择基于图像区域类间方差的对比度作为阈 分水岭算法是一种自适应的多國值分割算法。如值个体T的适应度函数,用适应度函数来评价阈值个 图所示,在图像进行阙值选择时,如果阈值T选得体T的优劣。计算图像分割所得的各个区域的类间方 过高,则图像的许多边缘会出现丢失或者是破碎的现差,计算公式如下: 象;阈值T如果选得过低,图像又容易产生虚假边缘现 SEC=1U1-U)+2U2-U2+…+ M 象,这样使得图像原夲的边缘会变厚进而导致定位不精 确。所以,本文利用遗传算法对分水岭法所得的图像分 M(-U)2 割阈值进行寻优,以期得到最佳的图像分割阈值T。式屮SEC为各个区城的类间方差,N1,N2,…,Nn分别 利用控制标记符分水岭分割算法得到图 代表各个区域的像素点个数,M是整幅图像的像素点 个数,Ul,U2,…,Un分别代表各个区域的平均灰度值, U是鍪幅图像的平均灰度值,当SEC越大时,各个区 域的类间方差就越大,说明各个区域的差异也就越大 这样就表示图像中的前景H标灵武长枣与背景差异较 大体现出图像得到较好的分割效果 选择运算 根据阈值个体的适应度,按照一定的规则和方法, ()分水岭分割结果()分水岭分割结果 从第一代开始,选择一些优良的國值个体遗传到下 图分水岭分割结果 代群体当中。本文采用个体的适应率排序和随机产生 由图的分割效果可以看出,利用传统的控制标的混合选择机制对闵值个体进行选择。适应率是某个 记符分水岭分割方法对灵武长枣图像直接进行分割得阈值个体的适应度占所有阈值个体适应度之和的百分 到的效果并不理想。在图当中,由于阈值选取的不比。若群体大小是NP,某个阈值个体T的适应度值为 合理,两幅分割结果图都存在过分割,即将一都分背景Gr,则T的适应率如下所示: 物体分割到了前景H标灵武长枣当中。因此采用遗传 算法对分割阈值进行寻优就显得尤为重要 (T=1,2,……,NP) 遗传算法 fT 遗传算法简介 在本实验屮,由于设定阈值T的初始群体规模是 遗传算法又叫基因进化算法,是模拟生物在自然环个,所以从第二代开始,按适应率的大小山高到低 境中的遗传和进化的过程而形成的自适应全局优化搜先选出个阈值个体,再利用中的函数随机 索算法。它借用了生物遗传学的观点,通过选择、交叉产生个染色体为位的阈值个体,这样合起来组成新 和变异等即进化机制,实现了对各个个体适应性的提一代的國值群体。 高。在本实验中,通过遗传算法来实现对國值T的寻 交义运算 优得到最仹的阈值T,从而可以将灵武长枣成功分割 在选择出新的阈值种样后,需要将新产生的阈值个 出来 体进行交叉运算。交叉运算就是把上一代的两个阈 刘向南,王昱潭,赵琛,等:基于分水岭算法的灵武长枣图像分割方法研究 值个体的一部分结构进行替换重组进而产新个体的在+1,的像素值组成,对丁灰度分布的概率 操作。本文采用单点随机杂交算子对选择岀来的阈值幅图像的均值 种群进行交叉运算。先等概率的随机确定一个基因位 置作为杂交点,然后将父代两个阙值个体从该杂交点分 成是前后两个部分,以杂交概率P交换两个父代阙值那么C和C的均值为 个体的后一部分,这样两个父代阈值个体就会变成两个 p 新的子代阙值个体。 设T为单点随机杂交算子,P是杂交概率,这样 对于任意的(X1,X2)∈S2,Y∈S,则: P 因此类间方差为 P{T(X1,X2)=Y}= 72=0(0-l7)2+i1(1-lx)2= kP y= X ,(0-u)2+27(00+)-2(a00+G11Maxr= 变异运算 acuotw-lli-alT Gcuotw-ui-(Wouo+lui- 利川遗传算法中的变异算子进行变异的囗的有 两个 l2(1-0)+o1t1(1-1)-200o1l2u1= ()使该遗传算法具备全局的随机搜索能力 G1Wo(uo -u)5 ()使遗传算法可维持群体多样性。 利用最大类间方差法 法)对本文算法分割 当对阙值个体进行了交叉运算后,遺传算法已经具后的灵武长枣图像进行后处理,并利用 备了局部寻优的能力。为了能够增加全局寻优的能力 函数将其转换为二值图像,如图所示。 使得寻优不陷入某一个局部,本文采用变异算子对杂交 后的阈值个体进行运算。设定两个阈值个体X,Y∈S 则有 PT(X)=Y)=P.(-Pn) l-d(x. y) d(X,Y)表示X与Y之间的汉明距离,即: (X,Y)=>x ()法二值化图像()法二值化图像 其中 图最大类间方差法二值化图像 X=( 数学形态学 数学形态学的基本操作主要包括种,分别是腐 变异原理如图 蚀、膨胀、开运算和闭运算。数学形态学可以用来对图 变异 个体 个体 像进行后续处理。 腐蚀是一种消除边界点、使边界向内部收缩的 变异基囚座 过程,不断地使像素值为的边界点变为值像素点 图变异原理图 腐蚀可以川来消除小并且无意义的点。计算公式如下 利用遗传算法对分割阈值进行寻优,可以得到最优 A⑧B={x[B∩A]≠ 阈值T。 膨胀是一种増加边界点、使边界向外部扩散的 图像分割的后处理 过程,不断地使像素值为的边界点变为值像素点。 最大类问方差法 膨胀可以用来填补物体屮的空洞。计算公式如下: 设灵武长枣图像像素数为N,图像的灰度范围为 AB-{x(B2∩4]cA} [O,L-1],对应灰度级i的像素数为N,那么它的概率是 )开运算也称作开启,是一种先腐蚀后膨胀的过 O. ()程。开启可以用来消除细小物体、在纤细处分离物体和 p: ()平滑较大物体边界。计算公式如下 A°B=U(B)B=A} 将图像中的像素按灰度值用阈值T分为两类C )闭运算也称作闭合,是种先膨胀后腐蚀的过 和C1,C由灰度值在[,们]的像素组成,C1由灰度值程。膨胀可以用来填充物体内部的细小空洞连接临近 计算机工程与应用 物体和平滑边界。计算公式如下: 输入图像 A.B={xr∈(B→(B∩A=引 图像预处理 在上述图像分割操作的过程中,山于改进后的分水 提取颜色分量图 了区城被分期出去所以木义主要采用合运对分 形态学重构 后的图像进行形态学处理,这样可以连接邻近物体,使 得前景∏标灵武长枣能够最大限度地被分割出来。形 利用遗传算法产生个阈值个体X 态学处理结果如图所示。 利用传统分水岭法进行图像分割 计算每个阈值个体T的区域类间方差SEC 按照SEC由大到小选取个阙值个体进入下一代 判新代数G=100 输出最优阈值 (形态学处理结果)形态学处理结果 利用分水岭法分割图像 图数学形态学处理结果 实验算法步 图像后处理 为了诚少传统分水岭算法对灵武长枣图像所造成 输入图像 的过分割,提高灵武长枣图像的正确分割率,本文采川 了色调提取、控制标记符分水岭分割算法遗传算法、最 图本实验算法流程图 大类间方差法和数学形态学等方法对灵武长枣图像进目标灵武长枣区域进行提取然后再计算出这部分区域 行分割,并最终获得需要的前景目标图像。 的像素个数;算法分割灵武长枣像素数N则指的是利 本文算法主要操作步骤如下 用本文所改进过的分水岭算法来对灵武长枣图像进行 步骤输入图像 分割,进而计算出分割区城的像素个数;错误分割率P 步骤对输入的原始图像进行降噪预处理,如均值利用以下公式进行计算: 滤波等。 M-M 尸 步骤提取颜色分量图。 M×100% 步骤对颜色分量图进行形态学重构 具体图像分割的统计结果如表所示。利用表当 中的数据可以得出正确分割率达到 。在这幅 步骤利用遗传算法产生初始阈值种群并根据选灵武长枣图像当中序号为 和的灵武长枣图 择、交叉和变异产生下·代國值个体 像的错分率较高,均超过;算法分割灵武长枣像素 步骤判断遗传代数G是否等于,如果G等数N普遍大于人L分割灵武长枣像素数M,只有图像 于则转入步骤,否则转入步骤。 相反。基于本实验分析,产生这两种现象的可能的原 步骤利用分水岭算法分割图像,阈值选择步骤 因有:错分率较高图像的前景H标灵武长枣的三种颜色 当屮的最优阈值Tc。 分量所占比例与背景的三种颜色分量所占比例大致相 步骤进行图像后处理。 同,使得分割时错谈识別枣子区域;在进行图像后处理 步骤输出图像 时,为了减少图像的过分割并∏平滑图像边界,采用了 图为本实验算法流程图 形态学当屮的闭合运算,使得·部分背景物体包含到了 枣子区域当中从而造成算法分割灵武长枣像素数N较 数据处理与结果分析 大,而图像则可能是因为枣子区域青色部分较多使得 利用本文算法,对类似于图的喵 像素算法分割灵武长枣像素数N较小。人工分割图像与本 的灵武长枣图像进行∫图像分割,其中最优阈值T。是文算法分割图像分别如图、图所示。 利用遗传算法求得的,通过此阈值利用分水岭算法可以 由图和图可以看出,利用本文算法分割得到 使灵武长枣图像达到最佳的分割状态;人工分割灵武长的图像与人工分割得到的图像分割效果大致相同,只 枣像素数M指的是利用 软件来对前景在枣子与枣子之间、枣子与背景之间的局部边界处理 刘向南,王昱潭,赵琛,等:基于分水岭算法的灵武长枣图像分割方法研究 表图像分割数据 分割到前景目标灵武长枣当中;另一种情况是可能不能 计算机工程与 最优阈人T分割汞武算法分割灵武错误分割 将前景目标灵武长枣分割完整。实验结果图分别如图 序号值T 长枣像素数M长枣像素数N率P 所示。 )传统分割图像 )传统分割图像 图传统分割图像 ()算法改进后分割图像()算法收进后分割图像 图增加遗传算法改进后分割图像 讨论与结论 本文利用遗传算法对传统的控制标记符分水岭算 法进行改进,能够实现对阈值T的寻优,从而得到正确 的分割图像。但是在图像预处理的过程当中,出于 采集到的灵武长枣图像中枣子区域阴影部分较人,导致 使用图时枣子与背景差别不大,从而造成不能正确 )人工分割图像 )人工分割图像 分割图像;在形态学重构当中,由于不同的灵武长枣图 图人工分割图像 像的具体情况不同,当选用平面圆形结构元素时,半径 选取的不合适可能会造成图像无法正确分割;在遗传算 法的选择运算当中,由于用到了随机选择的机制,使得 阈值个体的选择具有一定的不确定性,从而导致所选出 的阈值个体可能不是最优阈值;在图像分割的后处理当 屮,由于采用了数学形态学屮的闭合运算,所以可能使 得一部分背景物体被分割到了灵武长枣区城当中。 ()本文算法分割图像()本文算法分割图像 本文通过对灵武长枣颜色等特点进行研究,将灵武 图本文算法分割图像 长枣的颜色分量与背景的颜色分量进行对比,找出其中 的差异性,并利用图将差异扩大。利用形态学重构 上存在细小误差,从而能够达到正确分割前景目标的将灵武长枣图像当中的局部背景物体清除并将枣子区 基本要求。 域的细小空洞填充好在传统分水岭算法的基础上,利 利用遗传算法对灵武长枣图像的分割阙值进行寻用遗传算法对阈值进行寻优,从而得到适合灵武长枣图 优,可以得到最佳分割阈值T。利用上述幅图像,分像分割的阙值T,再利用最大类间方差法和数学形态 别采用利用遗传算法进行寻优的分水岭法和传统的分学等方法对图像进行后处理,最终得到正确的分割图 水岭法对图像进行分割。为了使实验结果更具说服力,像。本文综合利用了均值滤波、提取颜色分量、形态学 本文分别选取了两组未采用遗传算法进行寻优的分割重构、分水岭算法、遗传算法、最大类间方差法和数学形 实验结果与本文算法分割结果进行对比:种情况是当态学等方法,能够得到最优分割阈值。通过对幅灵 不采用遗传算法选取阈值时,有可能会将部分背景区域 (卜转页)

...展开详情
试读 7P 论文研究-基于分水岭算法的灵武长枣图像分割方法研究.pdf
立即下载 低至0.43元/次 身份认证VIP会员低至7折
    抢沙发
    一个资源只可评论一次,评论内容不能少于5个字
    img
    • 至尊王者

      成功上传501个资源即可获取

    关注 私信 TA的资源

    上传资源赚积分,得勋章
    最新推荐
    论文研究-基于分水岭算法的灵武长枣图像分割方法研究.pdf 9积分/C币 立即下载
    1/7
    论文研究-基于分水岭算法的灵武长枣图像分割方法研究.pdf第1页
    论文研究-基于分水岭算法的灵武长枣图像分割方法研究.pdf第2页
    论文研究-基于分水岭算法的灵武长枣图像分割方法研究.pdf第3页

    试读已结束,剩余4页未读...

    9积分/C币 立即下载 >