一種改進(jìn)的基于小波去噪和區(qū)域生長(zhǎng)的彩色圖像分割算法

一種改進(jìn)的基于小波去噪和區(qū)域生長(zhǎng)的彩色圖像分割算法摘要：彩色圖像分割是彩色圖像處理中的重要問(wèn)題，傳統(tǒng)的彩色圖像分割都是基于灰度分割算法，而忽略了彩色的空間域視覺(jué)效果及噪聲污染問(wèn)題。本文提出一種新的基于小波去噪和種子區(qū)域生長(zhǎng)的一種改進(jìn)方法。首先，應(yīng)用小波去噪技術(shù)，強(qiáng)化圖像邊緣特征，抑制噪聲，提高原始圖像的信噪比；其次，將彩色圖像轉(zhuǎn)化到空間進(jìn)行邊緣檢測(cè)，對(duì)圖像進(jìn)行抖動(dòng)處理以減少彩色圖像中的顏色數(shù)目，然后對(duì)不同分量進(jìn)行序列閥值分割；最后對(duì)分割結(jié)果再進(jìn)行一種新的基于區(qū)域生長(zhǎng)的顏色相似性的聚合。仿真結(jié)果表明該算法更加符合人眼的視覺(jué)特性。關(guān)鍵詞：彩色圖像；彩色空間；小波去噪；區(qū)域生長(zhǎng)AnimprovedcolorimagesegmentationalgorithmbasedonwaveletdenoisingandregionalgrowthAbstract:Colorimagesegmentationisanimportantissueincolorimageprocessing.Thetraditionalcolorimagesegmentationbasedongray-scalesegmentationalgorithmsneglectsthecolorvisualeffectandthenoise,it,therefore,leadstodegradethesegmentationquality.Inthispaper,wepresentanewalgorithmbasedonwaveletdenoisingandseedregionalgrowth.Thedenoisingtechniqueisfirstusedtopreservetheedgefeatureoftheoriginalimage.Then,theimagesincolorspaceareconvertedintocolorspace.Next,ajitterprocessingisusedtoreducethenumberofcolorsincolorimagesegmentation,andthentheimagesaresegmentedintermsofsequencethresholdonthedifferentcomponents.Finally,colorsimilaritypolymerization,basedonregionalgrowth,isappliedtotheprocessedimage.Thesimulationresultsshowthatthesegmentationresultsobtainedbyourmethodhaveperfectedgesegmentation,andcorrespondwellwiththevisionpropertiesofthehumanbeing.Keywords:colorimage;colorspace;waveletdenoising；regionalgrowth

1．引言圖像分割是由圖像處理進(jìn)行到圖像分析的關(guān)鍵步驟,也是進(jìn)一步圖像理解的基礎(chǔ)。以往所研究的算法大多是針對(duì)灰度圖像的,相比之下對(duì)于彩色圖像分割的研究較少.基于顏色空間特性的方法一般采取區(qū)域分割和聚類的方法來(lái)實(shí)現(xiàn)，但區(qū)域分割的結(jié)果很大程度上依賴于種子點(diǎn)的選擇，常常會(huì)造成圖像過(guò)分割或者欠分割的問(wèn)題。Horowitz首次將分裂－合并思想用于圖像分割，但由于算法的局限性難以實(shí)現(xiàn)小區(qū)域的有效連接。聚類方法中比較常見(jiàn)的是K-mean聚類和模糊c聚類法，然而在這類方法中，聚類的數(shù)目需預(yù)先設(shè)定，每次迭代優(yōu)化都需要重新計(jì)算聚類中心和隸屬度矩陣，計(jì)算量較大。近年來(lái)，有學(xué)者提出利用邊緣生長(zhǎng)的技術(shù)進(jìn)行圖像分割，先對(duì)圖像進(jìn)行邊緣檢測(cè)，然后用有向勢(shì)能函數(shù)對(duì)邊緣進(jìn)行粗略的封閉，最后用區(qū)域生長(zhǎng)的技術(shù)進(jìn)行細(xì)分割，該方法雖然可以有效解決漏分割的問(wèn)題，但分割結(jié)果不夠光滑，存在一定的誤差。本文充分利用彩色圖像的顏色空間特性，結(jié)合圖像中區(qū)域之間的特征相似性關(guān)系，提出一種改進(jìn)的基于區(qū)域生長(zhǎng)的新算法。該方法首先對(duì)圖像進(jìn)行小波去噪處理以抑制噪聲，然后將顏色空間轉(zhuǎn)換到與人類視覺(jué)特性相符的顏色空間，并按分量序列依次進(jìn)行分割，最后進(jìn)行基于顏色相似性聚類的區(qū)域生長(zhǎng)。因?yàn)閰^(qū)域生長(zhǎng)算法可以利用同一個(gè)目標(biāo)區(qū)域其鄰域塊特征基本一致的特點(diǎn),對(duì)整幅圖像的子塊掃描一遍就可完成分割,不需反復(fù)迭代。從而該算法可實(shí)現(xiàn)對(duì)彩色圖像的快速準(zhǔn)確分割。2.算法描述針對(duì)傳統(tǒng)算法的缺陷，本文提出以下改進(jìn)方案，如下圖所示：圖1算法流程圖2.1小波去噪近年來(lái)，小波理論得到了非常迅速的發(fā)展。在信號(hào)去噪領(lǐng)域中，由于其具有良好的時(shí)頻特性，同樣取得了較好的效果。相比于其它傳統(tǒng)的去噪方法，小波去噪能夠很好的強(qiáng)化邊緣特征。其基本思想如下：首先對(duì)原始圖像進(jìn)行小波分解得到小波系數(shù)，然后選擇閥值，對(duì)所得到的小波系數(shù)進(jìn)行修正，最后用修正的小波系數(shù)，重構(gòu)圖像。本文采用的小波系數(shù)修正方法是廣泛采用的Donoho和Johostone提出的小波萎縮方法(VisulShrink)，其閥值定義為，為噪聲的方差，為圖像的像素個(gè)數(shù)，可以用小波系數(shù)的中位值估計(jì)。計(jì)算出后，我們采用軟閥值法調(diào)整，調(diào)整方法如下：(1)然后用修改后的重構(gòu)圖像，去除噪聲。2.2．彩色空間圖像處理中常用的顏色模型多數(shù)為顏色模型和顏色模型。對(duì)任何3個(gè)[0,1]范圍內(nèi)的、、值，可以用如下的計(jì)算公式得到其對(duì)應(yīng)模型中的、、分量：（2）在空間中，、、三分量之間的相關(guān)性比、、三分量之間要小的多。由于彩色空間的表示比較接近人眼的視覺(jué)生理特性，人眼對(duì)、、變化的區(qū)分能力要比對(duì)、、變化的區(qū)分能力強(qiáng)。另外在空間中彩色圖像的每一個(gè)均勻性彩色區(qū)域都對(duì)應(yīng)一個(gè)相對(duì)一致的色調(diào)，這說(shuō)明色調(diào)能夠被用來(lái)進(jìn)行獨(dú)立于陰影的彩色區(qū)域的分割。2.3區(qū)域生長(zhǎng)傳統(tǒng)的種子區(qū)域生長(zhǎng)法選擇圖像中部分象素點(diǎn)作為種子，然后將與種子性質(zhì)相似的相鄰象素附加到生長(zhǎng)區(qū)域的每個(gè)種子上。本文我們根據(jù)一定規(guī)則自動(dòng)選取部分區(qū)域作為種子區(qū)域，克服了種子點(diǎn)區(qū)域選取的盲目性，然后將與種子區(qū)域性質(zhì)相似的相鄰區(qū)域附加到種子所在區(qū)域去。種子區(qū)域的選擇在該算法中起到了至關(guān)重要的作用，而對(duì)于種子區(qū)域的選取我們將遵循一定的規(guī)則。要求種子區(qū)域在其相鄰區(qū)域中有一定的代表性，使生長(zhǎng)的結(jié)果更接近我們期望的區(qū)域。進(jìn)行種子區(qū)域選取的規(guī)則如下：規(guī)則1：種子區(qū)域與其領(lǐng)域有很高的相似性。這里我們?yōu)槊總€(gè)區(qū)域定義一個(gè)相似度函數(shù)。一個(gè)區(qū)域的相似度函數(shù)必須大于一個(gè)閥值，我們用二維大津法確定閥值，該區(qū)域才能被選為種子區(qū)域。一個(gè)區(qū)域與其領(lǐng)域的相似度函數(shù)定義為：（3）（4）為中每個(gè)區(qū)域的色調(diào)分量均值。為集合所有區(qū)域的色調(diào)分量均值。（5）為中每個(gè)區(qū)域的飽和度分量均值，為中集合所有區(qū)域的飽和度分量均值。為預(yù)先設(shè)定值，經(jīng)驗(yàn)上一般選擇。規(guī)則2：一個(gè)區(qū)域與它的相鄰區(qū)域的相對(duì)歐式距離的最大值要小于一個(gè)閥值。這里采用歐式距離的定義對(duì)區(qū)域的色調(diào)分量均值進(jìn)行計(jì)算，公式如下：（6）其中為的相鄰區(qū)域個(gè)數(shù)，規(guī)則2可以保證選出的種子區(qū)域的位置不處在期望的兩個(gè)區(qū)域的邊界處，該閥值的選取依經(jīng)驗(yàn)我們選擇0.2。在一個(gè)未標(biāo)記的區(qū)域?qū)⒓尤氲揭粋€(gè)種子區(qū)域之前，先將它們的同一性差值與一個(gè)閥值做比較，如果低于這個(gè)閥值，則進(jìn)行標(biāo)記，否則不被標(biāo)記。然后將種子區(qū)域進(jìn)行合并。2.4空間變換我們可以將顏色空間變換運(yùn)用于圖像分割中，當(dāng)彩色圖像的分割在空間進(jìn)行時(shí)，由于、、三個(gè)分量是相互獨(dú)立的，所以有可能將這個(gè)3－D搜索問(wèn)題轉(zhuǎn)化為三個(gè)1－D搜索。：1對(duì)原始彩色圖像進(jìn)行空間轉(zhuǎn)換和邊緣檢測(cè)，對(duì)梯度較大的輪廓邊緣進(jìn)行標(biāo)記，利用分量來(lái)區(qū)分高飽和區(qū)和低飽和區(qū)；2利用分量對(duì)高飽和區(qū)進(jìn)行分割：由于在高飽和彩色區(qū)值大，值量化細(xì)，可采用色調(diào)的閥值來(lái)進(jìn)行分割；3利用對(duì)低飽和區(qū)進(jìn)行分割：在低飽和彩色區(qū)量化粗無(wú)法直接用來(lái)分割，但由于比較接近灰度區(qū)域，因而可采用來(lái)進(jìn)行分割；4由于彩色圖像象素過(guò)大，為了加快算法速度，對(duì)H值進(jìn)行歸一化處理，即令；3仿真實(shí)現(xiàn)下面對(duì)一幅原始彩色圖像’Lena.tif’在matlab7.1環(huán)境下進(jìn)行分割，為了增強(qiáng)效果，將本算法結(jié)果與傳統(tǒng)的梯度法進(jìn)行比較。先對(duì)其進(jìn)行小波去噪及抖動(dòng)處理，避免噪聲影響。圖(b)為噪聲污染后的圖像,信噪比為30dB，圖(c)為傳統(tǒng)梯度法結(jié)合小波去噪的分割結(jié)果，圖(d)和圖(e)分別取迭代次數(shù)為130和150時(shí)的仿真結(jié)果。圖2算法仿真結(jié)果一個(gè)好的分割結(jié)果一般希望輪廓線比較平滑，形狀測(cè)度就是提出來(lái)衡量目標(biāo)外輪廓的光滑程度的。如以表示象素的領(lǐng)域中的平均灰度，表示象素處的梯度，C是一個(gè)歸一化系數(shù)為設(shè)定的某一閥值：則（6）下表為仿真數(shù)據(jù)：表1.仿真結(jié)果分析由上表可以看出，本文算法的形狀測(cè)度值明顯低于傳統(tǒng)算法，即分割結(jié)果的光滑性較好，成功融合了區(qū)域和色彩信息，在視覺(jué)效果方面優(yōu)于傳統(tǒng)算法。并且對(duì)指定區(qū)域細(xì)節(jié)的分割更加準(zhǔn)確，這無(wú)疑會(huì)為圖像分割的后繼處理，圖像識(shí)別，圖像檢索打下更好的基礎(chǔ)。上述彩色圖像分割算法簡(jiǎn)便快速適合于對(duì)實(shí)時(shí)性要求高的場(chǎng)合，如用于電視會(huì)議的分析－合成編碼方法中作為自動(dòng)的圖像分割算法以將諸如人臉等區(qū)域從圖中分割出來(lái)分別編碼。

4結(jié)論本文提出的新算法是基于空間的序列分割方法，將小波去噪引入彩色空間處理彩色圖像，并且在色度空間變換的基礎(chǔ)上引入了基于顏色聚類的區(qū)域生長(zhǎng)法，本文的方法用區(qū)域代替像素作為種子進(jìn)行生長(zhǎng)，從算法時(shí)間復(fù)雜度的角度來(lái)說(shuō)算法效率有較大提高；另一方面，由于區(qū)域所攜帶的信息遠(yuǎn)高于像素所攜帶的信息，更有利于之后的區(qū)域生長(zhǎng)，因而能取得更好的分割效果。我們使用MATLAB實(shí)現(xiàn)了我們的算法，實(shí)驗(yàn)結(jié)果證明，我們的算法在彩色圖像分割上，取得了較好的效果。仿真結(jié)果表明該算法可以清晰地分割彩色圖像，可以看出來(lái)分割效果較好，符合人的主觀感知，與人類視覺(jué)系統(tǒng)判斷基本一致，可以滿足一般基于內(nèi)容的圖像檢索或識(shí)別處理。

參考文獻(xiàn)[1]章毓晉.圖像分割[M].北京：科學(xué)出版社,2001.97-123[2]唐挺等.基于小波去噪和圖像分割技術(shù)的改進(jìn)NAS-RIF盲圖像復(fù)原算法[J].成都信息工程學(xué)院學(xué)報(bào).2004.19(3).[3]羅軍輝等.Matlab7.0在圖像處理中的應(yīng)用[M].北京：機(jī)械工業(yè)出版社，2005.6[4]