基于matlab的数字图像处理.pdf
版权申诉
84 浏览量
2023-03-10
20:22:47
上传
评论
收藏 115KB PDF 举报
基于 matlab 的数字图像处理
MSRM 是基于最大相似度的区域合并算法，其不管目标数量多少都可能正
确分割，文中分析了算法的区域合并过程，验证了算法的未标记区域的个数会随
着合并的过程逐渐变少，，最后应用 MATLAB 实现了算法对图像的成功提取，
这一研究对于数字图像处理的进一步应用具有一定的意义。
标签：matlab；MSRM；最大相似度；区域合并算法
0 引言
图像分割作为图像处理研究的核心问题，对分析图像和检测计算机视觉系统
是非常重要的。图像分割将图像处理和图像分析过程连接起来，通常情况下，对
目标进行特征提取、参数测量和识别等操作是建立在图像分割的前提下的，实现
了进一步图像分析和理解的目标，图像分割质量的好坏和后续图像处理的效果息
息相关。文中基于这一背景，最大相似度的区域合并算法的数字图像处理进行了
分析这一研究对于数字图像处理的进一步应用具有一定的意义。
1 算法理论模型
基于最大相似度的区域合并算法（Maximal Similarity based Region Merging，
即 MSRM）有两个环节，所有的区域均发生合并就代表着合并完成。合并策略
是合并除前景区域之外的所有的背景区域。合并操作结束后就代表着提取出了完
整的目标[9-10]。
确定每一个区域为 的邻域集合 。那么，针对每个 ，假如 ，找出相应的邻
域集合 的答案，也就是 。接着分析研究 和 中每个区域的相似度。对于 和 可
以得出以下式子：
因此如果将 和 合并成一个区域，这个区域中就会存在和 B 一样的标记，
也就是：
反之亦然。
将上面的过程一次一次的进行 n 次。在每个过程中，集合 和 会被更新。即
发生膨胀、 发生收缩。在一切的背景标记 不存在新的合并对象的情况下，这一
过程也就结束了。第一个环节会合并部分属于背景的区域。然后还会存在一些由
于彼此间的相似度产生的背景区域。这样就造成了有的区域不能合并。图 1（a）
描述了第一个环节的合并结果。从图中我们可以看出，即使第一个环节合并了大
量的属于背景的区域，然而还存在一些未标记的背景区域没有与背景标记区域合
并。
第一个环节是不能提取出有效的目标的，因此站在第一个环节的基础上，我
资源评论
若♡
- 粉丝: 6172
- 资源: 1万+
