基于過(guò)渡區(qū)的圖像分割技術(shù)研究.pdf

1、圖像分割是一種重要的圖像分析技術(shù)。在圖像的研究和應(yīng)用中，研究人員往往僅對(duì)圖像中某些部分感興趣，這些部分常稱(chēng)為目標(biāo)或前景(其他部分稱(chēng)為背景)，一般對(duì)應(yīng)圖像中特定的、具有獨(dú)特性質(zhì)的區(qū)域。圖像分割是計(jì)算機(jī)視覺(jué)研究中最基本的處理步驟和關(guān)鍵技術(shù)，是目標(biāo)識(shí)別、圖像理解的基礎(chǔ)，分割結(jié)果的好壞直接影響其后續(xù)的識(shí)別和理解，因此人們一直在不斷地探索新的分割算法和分割理論。
　　 本文對(duì)基于過(guò)渡區(qū)的圖像分割技術(shù)進(jìn)行了比較深入的研究，重點(diǎn)研究了直接提取

2、過(guò)渡區(qū)的非梯度方法。提出基于方向信息測(cè)度的多尺度圖像過(guò)渡區(qū)提取與分割方法；基于鄰域一致性測(cè)度圖像過(guò)渡區(qū)提取與分割方法以及基于模糊熵區(qū)域非一致性測(cè)度圖像過(guò)渡區(qū)的提取與分割方法。分割方法抗噪聲性能的本質(zhì)在于測(cè)度對(duì)灰度值的變化不敏感，三種方法都具有較好的圖像過(guò)渡區(qū)提取與分割性能和很好的抗噪聲性能。模糊熵的引入，使模糊熵區(qū)域非一致性方法的混合噪聲濾除效果更好。
　　 當(dāng)圖像含有多類(lèi)目標(biāo)時(shí)，圖像過(guò)渡區(qū)直方圖表現(xiàn)為多峰分布，每個(gè)峰對(duì)應(yīng)一個(gè)分

3、割區(qū)域。本文使用基于勢(shì)函數(shù)聚類(lèi)的多閾值圖像分割算法，檢測(cè)過(guò)渡區(qū)直方圖的相鄰劃分勢(shì)函數(shù)組，其曲線(xiàn)的交點(diǎn)即為分割閾值，然后使用差異度與代價(jià)函數(shù)決定最優(yōu)類(lèi)別個(gè)數(shù)及閾值。算法簡(jiǎn)單，得到的閾值準(zhǔn)確、穩(wěn)定，運(yùn)算速度較快、實(shí)時(shí)性強(qiáng)，較好地解決了基于過(guò)渡區(qū)的圖像分割方法中的多閾值分割問(wèn)題。
　　 由于均值濾波和中值濾波算法本身的局限性，當(dāng)圖像同時(shí)受到高斯噪聲和脈沖噪聲污染時(shí)，此時(shí)采用單一的均值濾波或中值濾波算法濾除噪聲效果都不理想。因此，本文提

4、出一種基于區(qū)域分類(lèi)的自適應(yīng)混合濾波方法，利用鄰域一致性測(cè)度把圖像分成不同區(qū)域，并對(duì)不同區(qū)域采取不同的濾波方法，這樣既保持了均值濾波算法對(duì)高斯噪聲有良好濾噪能力的特性，又兼顧了中值濾波算法對(duì)圖像細(xì)節(jié)有良好保持特性的優(yōu)點(diǎn)。
　　 紋理圖像是以紋理特性為主導(dǎo)特性的圖像。紋理圖像在局部?jī)?nèi)呈現(xiàn)不規(guī)則性，而在整體上表現(xiàn)出某種統(tǒng)計(jì)規(guī)律性。紋理表現(xiàn)是一種區(qū)域特性，因此紋理必然要在圖像的某個(gè)區(qū)域上才能反映或測(cè)量。僅利用像素的灰度級(jí)信息并不能將其中

5、的不同區(qū)域分割開(kāi)，本文提出了基于單演相位的紋理圖像分割方法。根據(jù)不同紋理之間單演相位信息的不同分布，提取特征圖像。這種方法對(duì)于不同紋理之間及紋理與物體之間有很好的特征描述，取得較好的分割效果。
　　 X射線(xiàn)檢測(cè)圖像是焊縫缺陷分析和質(zhì)量評(píng)定的重要依據(jù)。傳統(tǒng)的方法是利用階躍邊緣和屋脊邊緣進(jìn)行圓形和條形缺陷分割，本文提出基于過(guò)渡區(qū)多尺度工業(yè)X光圖像焊縫缺陷分割算法。在不同的尺度下，可以檢測(cè)不同缺陷大小，通過(guò)支持向量機(jī)方法將焊縫缺陷劃分