基于模糊理論的超像素算法研究及應(yīng)用.pdf

1、從上個(gè)世紀(jì)六十年代至今，圖像處理領(lǐng)域得到了蓬勃的發(fā)展，數(shù)字圖像處理技術(shù)得到了廣泛的應(yīng)用，比如地理學(xué)領(lǐng)域的遙感衛(wèi)星圖像、醫(yī)學(xué)領(lǐng)域的CT、MR圖像、物理學(xué)領(lǐng)域的實(shí)驗(yàn)圖像等等。圖像處理的技術(shù)多種多樣，例如圖像分割、圖像增強(qiáng)、圖像配準(zhǔn)等等。傳統(tǒng)的圖像處理技術(shù)都是以像素為單位，在像素級(jí)別上進(jìn)行操作，像素作為最基本的處理單元，本身所包含的有用信息也較少，可提取的特征并不多。與像素不同的是，超像素是一個(gè)集合的概念，是用某種算法預(yù)先分割出來(lái)的原子區(qū)域，

2、原子區(qū)域包含了單個(gè)像素所不具備的一些圖像特征，比如形狀、邊界輪廓信息以及區(qū)域灰度直方圖等，有利于提高圖像處理的準(zhǔn)確度，而且在時(shí)間復(fù)雜度方面超像素比起單個(gè)像素的處理也有較大提高。因此，近些年來(lái)超像素在圖像處理領(lǐng)域的應(yīng)用越來(lái)越流行。
　　當(dāng)前傳統(tǒng)的超像素分割方法大都是針對(duì)自然圖像的，基本上是采用二值邏輯硬性劃分的準(zhǔn)則來(lái)產(chǎn)生超像素，然而當(dāng)采用這些方法處理具有顯著模糊性特點(diǎn)的圖像時(shí)，邊界像素點(diǎn)的類別歸屬往往不能正確被劃分，所以處理效果往往

3、不盡人意，分割產(chǎn)生的超像素內(nèi)部同時(shí)包含多種目標(biāo)，超像素邊界與實(shí)際目標(biāo)物體邊界的貼合程度較差，不利于進(jìn)一步的圖像處理工作。
　　為了解決上述問(wèn)題，本文進(jìn)行了以下方面的工作:提出一種基于模糊理論的超像素分割方法（Superpixel Method Basedon Fuzzy Theory，SMBFT），以模糊理論知識(shí)作為指導(dǎo)，利用傳統(tǒng)模糊C均值聚類算法作為基礎(chǔ)，重新設(shè)計(jì)目標(biāo)函數(shù)，使用拉格朗日乘子法取得近似最優(yōu)解表達(dá)式，然后經(jīng)過(guò)不斷地迭

4、代優(yōu)化，得到超像素分割結(jié)果。本文算法充分利用了模糊聚類在處理具有模糊性特點(diǎn)圖像方面的優(yōu)勢(shì)，彌補(bǔ)了傳統(tǒng)超像素分割方法在處理具此類圖像時(shí)硬性劃分的劣勢(shì)，邊界上不確定性較高的像素點(diǎn)能夠以最大的概率被正確分類，使得分割產(chǎn)生的超像素邊界和原始圖像邊界的貼合度較高，超像素內(nèi)部目標(biāo)也比較單一，介質(zhì)均勻。同時(shí)，本文還考慮了像素點(diǎn)周圍鄰域信息的利用，增強(qiáng)了空間約束信息，有效地克服了噪聲的影響，使本文提出的算法具有更好的魯棒性。
　　本文算法分別在B

5、erkeley數(shù)據(jù)庫(kù)中的自然圖像和Brainweb上模糊性相對(duì)明顯的腦部MR圖像上進(jìn)行了應(yīng)用。另外，本文還針對(duì)自然圖像方面的傳統(tǒng)兩種評(píng)價(jià)指標(biāo)無(wú)法確定權(quán)重的問(wèn)題提出了一個(gè)綜合評(píng)價(jià)準(zhǔn)則，為不同應(yīng)用選擇適合的超像素算法提供了一個(gè)新的思路;在醫(yī)學(xué)圖像數(shù)據(jù)集方面的評(píng)價(jià)準(zhǔn)則是計(jì)算超像素內(nèi)部熵值，由于傳統(tǒng)超像素方法尚未在醫(yī)學(xué)圖像領(lǐng)域做過(guò)驗(yàn)證實(shí)驗(yàn)，因此本文受到信息論中熵的概念的啟發(fā)，提出了使用熵值這一評(píng)價(jià)準(zhǔn)則。實(shí)驗(yàn)結(jié)果表明，本文方法在超像素生成效果上無(wú)