圖像分割算法的研究與應(yīng)用.pdf

1、圖像分割是將圖像分割成若干同質(zhì)區(qū)域的過程，使得到的同質(zhì)區(qū)域更加有意義和便于后續(xù)處理。圖像分割是圖像處理的基礎(chǔ)，在計(jì)算機(jī)視覺和模式識別中起了關(guān)鍵性的作用。近年來，大量相關(guān)文獻(xiàn)的發(fā)表促進(jìn)了圖像分割精度和效率的提高，但仍存在一些問題有待改進(jìn)。本文在歸納和總結(jié)傳統(tǒng)圖像分割方法的基礎(chǔ)上對其進(jìn)行了改進(jìn)，具體工作如下:
　　(1)針對傳統(tǒng)模糊C均值聚類算法對圖像分割結(jié)果中類內(nèi)數(shù)據(jù)空間分布離散問題，提出一種基于全局空間相似性模糊聚類算法。定義空間

2、相似性和灰度相似性度量標(biāo)準(zhǔn)并將其引入到圖像中節(jié)點(diǎn)與聚類中心點(diǎn)的距離度量公式中，通過調(diào)整自由度參數(shù)來控制空間特征和和灰度特征在特征空間中所占的比重，增強(qiáng)了分割結(jié)果中類內(nèi)數(shù)據(jù)樣本空間分布的連續(xù)性，提高了圖像分割精度。
　　(2)將圖像空間結(jié)構(gòu)特征引入到模糊C均值聚類中，增強(qiáng)了分割結(jié)果中像素點(diǎn)的空間分布連續(xù)性，但同時(shí)限制了每一類中像素點(diǎn)的空間分布。針對這一問題，提出了一種基于相似類合并FCM算法，并將其應(yīng)用到圖像分割中。應(yīng)用彩色直方圖作

3、為區(qū)域描述算子，應(yīng)用巴氏距離計(jì)算初始分割結(jié)果中各類之間的相似性，通過最大相似性類間合并準(zhǔn)則來合并具有最大相似性的類，獲得更加精確的分割結(jié)果。
　　(3)針對傳統(tǒng)遺傳聚類算法和蟻群聚類算法容易陷入局部最優(yōu)解的問題，提出一種改進(jìn)的和聲搜索算法并將其應(yīng)用于聚類分析中。將狀態(tài)反饋機(jī)制引入到和聲搜索算法中，通過判斷和聲記憶庫中最優(yōu)和聲和最差和聲之間的差異，來動態(tài)調(diào)整和聲記憶庫考慮概率和移動步長，使算法能夠快速的收斂到全局最優(yōu)解。定義一種新穎

4、的聚類中心數(shù)確定方法來獲得數(shù)據(jù)樣本真實(shí)聚類中心數(shù)。
　　(4)傳統(tǒng)模糊C均值聚類算法受到自身的局限性而無法獲得精確的圖像分割結(jié)果，針對這一問題，對模糊C均值聚類算法進(jìn)行改進(jìn)并將其應(yīng)用于交互式圖像分割中。用戶將輸入的種子點(diǎn)作為聚類中心點(diǎn)，將圖像空間特征，灰度特征和紋理特征引入到FCM算法中來計(jì)算圖像中任意一點(diǎn)與種子點(diǎn)的差異。通過計(jì)算圖像中各點(diǎn)與種子點(diǎn)的隸屬度來獲得圖像分割結(jié)果。
　　(5)針對粒子群算法在搜索最短路徑問題中搜索

5、效率低和容易陷入局部最優(yōu)解的問題，提一種改進(jìn)和聲搜索算法并將其應(yīng)用到求解最短路徑中。定義了動態(tài)基因突變率并將其引入到和聲搜索算法中，有效地阻止了算法陷入局部最優(yōu)解。應(yīng)用動態(tài)優(yōu)先值編碼方案，根據(jù)和聲向量中精度變量對應(yīng)節(jié)點(diǎn)的優(yōu)先值來構(gòu)造路徑，通過迭代更新和聲記憶庫，并最終獲得最短路徑。
　　(6)針對傳統(tǒng)live wire算法易受偽輪廓干擾，并且算法執(zhí)行效率低的問題，提出一種基于粒子群Live wire的交互式圖像分割算法。引入相鄰節(jié)

6、點(diǎn)間梯度幅值變化函數(shù)來減輕偽輪廓的干擾，提高了算法的分割精度。應(yīng)用粒子群算法求取圖像中任意兩點(diǎn)間最短路徑來定位目標(biāo)邊界，提高算法運(yùn)行效率。
　　(7)針對傳統(tǒng)隨機(jī)游走算法圖像信息描述單一，目標(biāo)輪廓易受背景干擾的問題，提出一種自適應(yīng)隨機(jī)游走圖像分割算法。將紋理特征引入到隨機(jī)游走算法中來刻畫圖像結(jié)構(gòu)信息，與圖像灰度特征共同作用，通過邊緣密度計(jì)算兩種特征在特征空間中所占比例，提高了算法的適用性和分割精度。
　　(8)針對傳統(tǒng)隨機(jī)游

7、走算法分割目標(biāo)輪廓易受自然紋理背景干擾，并且算法運(yùn)行效率低的問題，提出了一種基于Mean Shift隨機(jī)游走圖像分割算法。應(yīng)用Mean Shift算法對圖像進(jìn)行預(yù)分割，將圖像分成許多同質(zhì)區(qū)域，再將得到的同質(zhì)區(qū)域代替經(jīng)典隨機(jī)游走算法中節(jié)點(diǎn)來建立對應(yīng)的無向圖;將彩色直方圖作為區(qū)域描述算子，采用歐氏距離與高斯權(quán)函數(shù)相結(jié)合來建立區(qū)域間相似性權(quán)函數(shù);應(yīng)用離散電勢理論計(jì)算圖中節(jié)點(diǎn)間電勢值，根據(jù)節(jié)點(diǎn)電勢值的大小對預(yù)分割得到的同質(zhì)區(qū)域進(jìn)行分類，實(shí)現(xiàn)圖像

8、分割。改進(jìn)算法在分割精度和效率上都有很大提高。
　　(9)針對傳統(tǒng)的肺結(jié)節(jié)分割方法無法精確分割出肺結(jié)節(jié)外部毛刺，并且無法分離出與血管或胸壁相連的肺結(jié)節(jié)的問題，提出一種改進(jìn)的隨機(jī)游走算法并應(yīng)用于肺結(jié)節(jié)的分割中。根據(jù)Dirichlet邊界條件計(jì)算得到的未標(biāo)記點(diǎn)到標(biāo)記點(diǎn)的概率值的大小將圖像分為目標(biāo)區(qū)域，背景區(qū)域和不確定區(qū)域，應(yīng)用歐式距離計(jì)算不確定區(qū)域中節(jié)點(diǎn)與標(biāo)記點(diǎn)的灰度差異，根據(jù)距離的大小將對應(yīng)節(jié)點(diǎn)進(jìn)行分類，獲得更加精確的肺結(jié)節(jié)分割結(jié)果