文档下载 文档下载导航
设为首页 | 加入收藏
搜索 请输入内容:  
 导航当前位置: 文档下载 > 所有分类 > IT/计算机 > 计算机软件及应用 > 图像分割算法研究综述_何俊
侵权投诉

图像分割算法研究综述_何俊

算法在确定阈值,特别是多阈值时,存在计算量相当大、分割结果对阈值的变化较为敏感等不足。Doyle提出的P-tile法[5]是早期的基于灰度直方图的自动阈值选择方法。该方法计算简单,抗噪声性能较好。其不足之处是要预先知道给定目标与整幅图像的面积比P,因此在P未知或P随不同图像改变时,该方法不适用。1984年Dunn等提出了均匀化误差阈值选取方法[6]。肖超云等在结合Otsu与信息熵的各自优点的基础上提出了一种基于Otsu准则及图像熵的阈值分割算法[7]。汤凌等人提出一种基于人工免疫的图像分割算法[8],该算法在生物免疫的思想上加入了人工免疫算子,不但能找到最优的阈值,而且分割时间是传统的1.8%。

基于阈值分割法虽然简单,但在阈值的选取很大程度上影响图像分割的效果,它只考虑像素本身的灰度值,而不考虑图像的空间分布,这样其分割结果就对噪声很敏感,对从事图像分割的人员的先验知识依赖过强。虽然目前出现了各种基于阈值分割的改进算法,图像分割的效果有所改进,但在阈值的设置上还是没有很好的解决方法,若将智能遗传算法应用在阈值筛选上,选取能最优分割图像的阈值,这可能是基于阈值分割的图像分割法的发展趋势。

取得了一些相关成就,如文献[17]提出了一种用于解决传统的参数活动轮廓模型(Snake模型)难于处理自动分割医学图像的弱边界问题的基于最小方差Snake模型的医学图像分割方法;文献[18]提出了一种基于遗传算法的双T_Snake模型图像分割方法,以有效地解决初始位置过于敏感的问题。该方法在对左心室MRI图像的分割中得到了证明,效果较好。

2.3 基于区域增长法的图像分割

区域增长是一种已受到计算机视觉界广泛关注的图像分割方法。这种方法把一幅图像分成许多小区域开始。这些初始的区域可能是小的领域甚至是单个像素。在每个区域中,对不经过适当定义的能反映一个物体内成员隶属程度的性质进行计算,用于区分不同物体内像素的性质。对相邻区域的所有边界进行计算,决定所属区域并合并到其所属区域,这样一个迭代过程将具有相似性的像素集合起来构成一个区域,即这种相似性质的像素区域不断地增大。它是一种典型的串行区域分割方法,其特点是将处理过程分解为多个顺序步骤,其中后续步骤的处理要根据对前面步骤的结果进行判断后确定[19]。

采用区域生长法的关键在于种子点的位置选择、生长准则和生长顺序。此方法最简单的形式是先人工给出一个种子点,然后提取出和此种子点具有相同灰度值的所有像素。Pohle等把待分割区域像素值看作一个正态分布,先用原始区域生长算法估算出分布参数,再将该参数应用到第二遍生长过程中,从而获得更好的结果[20]。为了克服大多数区域生长算法对于初始种子点的选取顺序和位置敏感的问题,Zheng等开发出不需种子点的自动分割算法[21];于水等将图像的纹理信息和灰度信息融合在区域生长的标准中[22];Law等把平面的区域生长算法扩展到三维空间[23];文献[24]将模糊理论和优化算法应用到区域生长算法中;文献[25]将各向异性滤波技术和区域生长算法结合,并在算法中加入自适应参数的自适应区域生长算法对医学图像进行分割。

区域生长法存在的不足之处是:

(1)如何定义区域一致性准则;

(2)其分割结果和种子点的选择有很大关系;

(3)对噪声很敏感,可能形成孔状甚至是根本不连续的区域;

(4)对面积不大的区域分割效果较好,如果对面积较大的区域进行分割,则计算速度就会减慢;

(5)对于图像中不相邻而灰度值相同或相近的区域,不能一次分割出来,只能一次分割一个区域;

(6)很容易产生过图像过分割现象,分水岭算法可以说就是典型的代表。

2.2 基于变形模型的图像分割

1987年,KassM、WitkinA和TerzopulosD发表的论文/Snakes:ActiveContourModels0[9]促使变形模型很快发展成为图像分割中最活跃和最成功的研究领域之一。变形模型可分为两类,即参数变形模型[10]与几何变形模型[11]。参数变形模型在变形过程中以显式参数的形式表达曲线或曲面,允许与模型直接交互,且表达紧凑,利于模型快速实时地实现。但是,该方法难以处理在变形过程中发生拓扑结构的变化,如曲线的分裂或融合等问题。相反,几何变形模型可自然地处理拓扑结构的变化,该方法基于曲线演化理论和水平集方法。这些变形模型的能量方程一般有两种类型的能量项:外力能量和内力能量,其变形过程就是这两种力量彼此消长的过程,最后达到平衡或达到其它的约束条件。这种能量公式在建立前要找好对象的边界,首先在图像区域初始化参数曲线,然后在两力的作用下将其移动到势能最小点[14]。所有的经典Snakes算法和活动边缘模型依赖边缘终止函数和图像的梯度|▽u0|,因为要终止曲线进化,所以这此变形模型仅能检测图像边缘用梯度定义的图像目标。在实际应用中,图像的不连续的梯度是有界的,同时边缘终止函数在图像的边缘永远不趋于零,这时活动轮廓将穿过图像边缘。文献[15]提出了一种没有边缘终止函数即不依赖图像的梯度来停止图像的分割过程,依靠Mumford-Shah分割技术[16]来控制图像分割的终止条件。这种变形模型分割法既能检测有梯度的图像又能检测没有梯度的图像,也就是说它能检测有光滑边界的图像,甚至还能检测边缘不连续的图像。

变形(Snake)模型对噪声和对比度不是很敏感,能将目标从复杂背景中分割出来。但是,该模型存在天然缺点:其一是变形模型对初始轮廓的选取很敏感,初始轮廓的选取能影响分割的效果;其二是能量函数的设定,它决定变形曲线的走势,即影响分割效果;其三是分割终止条件的设定。近几年来广大研究者在这个领域做了大量的科研工作,也

[12]

[13]

2.4 基于聚类法的图像分割

聚类法是图像分割中较为实用的方法,首先将像素灰度等性质映射到根据一定的规则分为几个区域的特征空间,然后根据体素的性质判定其所属的区域,并对此加以标记,进行分割。

聚类总体上可包括硬聚类、概率聚类、模糊聚类等方法。目前最常用的聚类方法是模糊C-2均值算法[26](Fuzz-

上一页第2页

你可能喜欢

热门文档

相关文档

  • 图像分割算法研究综述

    (2009)12一0058—04 图像分割算法研 究综述Surveyon the MethodsofImageSegmentation何俊,葛红,王玉峰HE Research J哪,GEHo嚷,WANG YI卜fellg (sch∞I of伽l...

  • 图像分割算法研究综述

    图像分割算法研究综述_自然科学_专业资料。图像分割算法研究综述Survey on the Methods of Image Segmentation Research 何 , 葛 , 王玉峰 俊红 HE Jun , GE Hon...

  • 毕业设计_图像分割的方法及应用

    [4]何俊,葛红,王玉峰.图像分割算法研究综述.计算机工程与科学,2009,31-12 [5]钮圣虓,王盛,杨晶晶,陈更生.完全基于边缘信息的快速图像分割算法.计算机辅助设计...

  • 【论文】我国土地增值收益分配研究综述

    地增值收益分配研究综述 何俊 烨 (西南交通大学公共 管理 学院, 四川 成都...有趣及爆笑图片汇集 绝对经典搞笑照片68份文档 新市场营销法则 助推企业成长 ...

  • 计算机开题报告格式

    简单背景下目标图像分割及边缘检测 设计题目: 指导教师 : 张静 2011 年 3 月...参考文献: [1] 何俊, 葛红, 王玉峰. 图像分割算法研究综述.计算机工程学,...

  • 基于BP神经网络的抗生素效价预测模型研究

    +86-551-5690963 5690964 基于 BP 神经网络的抗生素效价预测模型研究姜楠,董...何俊 , 葛红 , 王玉峰 . 图像分割算法研究综述 [J]. 计算机工程与科学 ,...

  • 【论文】我国土地增值收益分配研究综述

    地增值收益分配研究综述 何俊 烨 (西南交通大学公共 管理 学院, 四川 成都...有趣及爆笑图片汇集 绝对经典搞笑照片68份文档 新市场营销法则 助推企业成长 ...

站点地图 | 文档上传 | 侵权投诉 | 手机版
本站所有资源均来自互联网,本站只负责收集和整理,均不承担任何法律责任,如有侵权等其它行为请联系我们.
文档下载 Copyright 2013 doc.guandang.net All Rights Reserved.  -  email