圖像分割的研究與實(shí)現(xiàn)

畢業(yè)課題:圖像分割的研究與實(shí)現(xiàn)

答辯人：李金文1.基于區(qū)域的分割方法:基于閥值的分割方法、邊緣檢測(cè)法2.特定理論的常見(jiàn)的圖像分割方法3.常見(jiàn)圖像分割方法的算法實(shí)現(xiàn)

4.圖像分割的仿真與結(jié)果分析

圖像分割的研究與實(shí)現(xiàn)意義：基于區(qū)域的分割方法是根據(jù)區(qū)域內(nèi)特點(diǎn)的相似程度把圖像劃分成一系列有實(shí)際意義區(qū)域的處理方法。

基于閥值的分割方法：?jiǎn)伍y值、多閥值邊緣檢測(cè)法：Roberts算子，Prewitt算子，Sobel算子，Log算子，canny算子

基于區(qū)域的分割方法單閥值、多閥值

圖像只有目標(biāo)和背景兩大類,那么只需選取一個(gè)閾值稱為單閾值分割。這種方法是將圖像中每個(gè)像素的灰度值與閾值相做比較。然后將圖像分為兩類，灰度值大于閾值的像素為一類，灰度值小于閾值的像素為另一類。如果圖像中有多個(gè)目標(biāo)就需要選取多個(gè)閾值將各個(gè)目標(biāo)分開(kāi)，這種方法稱為多閾值分割。

雙峰之間的波谷處就是圖像的閾值所在，如圖1—1所示很容易理解波谷的兩側(cè)分別對(duì)應(yīng)著差異明顯的兩個(gè)區(qū)域：前景和背景。這種方法一般適用于差異對(duì)比很明顯的圖像。

但是在很多情況下，圖像的背景由多部分構(gòu)成，其中的一些部分在目標(biāo)閾值灰度的左側(cè)，一些在目標(biāo)灰度值的右側(cè)，假如進(jìn)行單閾值分割的話，必然會(huì)造成其中的一部分背景在分割時(shí)被當(dāng)做背景處理了。這時(shí)就需要設(shè)置多個(gè)閾值即使用多閾值分割。

特定理論的圖像分割方法1.基于神經(jīng)網(wǎng)絡(luò)的分割方法：神經(jīng)網(wǎng)絡(luò)方法分割圖像的思想是用訓(xùn)練樣本集對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練以確定節(jié)點(diǎn)間的連接和權(quán)值，再用訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)分割新的圖像數(shù)據(jù)，這種方法需要大量的訓(xùn)練數(shù)據(jù)。神經(jīng)網(wǎng)絡(luò)存在巨量的連接，容易引入空間信息，能較好地解決圖像中的噪聲和不均勻問(wèn)題。選擇何種網(wǎng)絡(luò)結(jié)構(gòu)是這種方法要解決的主要問(wèn)題。2.基于數(shù)學(xué)形態(tài)學(xué)的邊緣檢測(cè)方法：它的基本思想是用具有一定形態(tài)的結(jié)構(gòu)元素去量度和提取圖像中的對(duì)應(yīng)形狀以達(dá)到對(duì)圖像分析和識(shí)別的目的?；谛螒B(tài)學(xué)的圖像邊緣檢測(cè)的關(guān)鍵是針對(duì)各種運(yùn)算的特點(diǎn)，結(jié)合形態(tài)學(xué)多結(jié)構(gòu)元多尺度的特性，構(gòu)造優(yōu)良的邊緣檢測(cè)算子來(lái)較好地解決邊緣檢測(cè)精度與抗噪聲性能的協(xié)調(diào)問(wèn)題。

常見(jiàn)圖像分割方法的算法實(shí)現(xiàn)基