图像中模糊边界标的阈值分割方法研究.pdf

图像中模糊边界目标的阈值分割方法研究 摘 要 图像分割是图像处理与计算机视觉领域低层次视觉中最为基础和重要的领 域之一，它是模式识别和目标检测的前提，具有重要的实际价值。但在图像中 目标边界模糊的情况下，目标与背景之间的灰度差异并不大，增加了目标提取 的难度，影响了后续任务的处理，在实际应用中具有一定的难度。本文主要研 究图像中目标边界模糊的分割算法，通过分析以往算法的不足之处，提出新的 算法提高图像分割质量。本文的主要内容如下： 1. 本文首先阐述了课题的研究背景以及意义，分析了国内外图像分割算法 的研究现状。介绍阈值分割方法的优点及其基本原理，指出了阈值分割算法在 处理弱边界图像时的局限性。 2. 现有的二维最小误差阈值法在处理含有噪声的弱边界图片,特别是含有 椒盐噪声时，使用的二维直方图斜分方法并不合理，即二维直方图斜分法虽然 考虑其平面投影图中的所有四个矩形区域，但在处理含有噪声图片时，噪声点 也被考虑到阈值选取策略中，影响了图像分割的质量。本文引入一种新的二维 直方图的构造方法，减少了噪声点对阈值选取策略的影响，有效地减少了分割 后图像中的噪声点，提高了分割质量。 3. 图谱划分理论的基本思想是把一幅图像看作一个无向带权图，图中的每 个节点代表图像中的像素点或者某个区域，节点间的权值表示了节点之间联系 的紧密程度，然后根据一定划分准则确定能量函数，由该能量函数确定图像的 最佳划分。由于某些图像具有弱边界的特点，现有的基于归一化的图谱阈值划 分方法在计算权值时仅考虑了节点间的灰度差异及空间位置，很难得到一个合 适的解，因而在分割弱边界图像时，没有很好地保留图像细节信息。本算法引 用高斯混合模型构造新的约束条件引入权值公式中，使得权值计算更加充分地 考虑了像素之间的关联，提高了图像分割质量。 4. 现有图谱划分测度的计算需要在整个灰度图像的灰度级范围进行遍历， 增加了图谱划分测度的计算量。而本文可以根据图像的灰度级范围自适应确定 门限值的灰度级范围，主要策略是引入了高斯混合模型，把高斯混合模型中的 均值参数作为门限值的分布区间，达到减少灰度值遍历次数目的，进而降低了 Ncut 值计算的复杂度。 关键词：图像分割；二维最小误差阈值法；二维直方图；图谱理论；高斯混合 模型；图谱划分测度 I The Research on Threshold Image Segmentation Based on Image of Weak Edges ABSTRACT Image segmentation is the field of image processing and computer vision in low-level visual areas of the most basic and important one, it is pattern recognition and target detection premise, has important practical value. However, when weak edges in the image of the target case, the target and background is not much difference between the gray scale, increasing the difficulty of extracting the target in a image. The task of the follow-up treatment is very difficult in the practice. The main goal of this paper, the boundary fuzzy image segmentation algorithm, the algorithm through analysis of past deficiencie