基于小波变换的图像过渡区提取与分割

《基于小波变换的图像过渡区提取与分割》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、基于小波变换的图像过渡区提取与分割闫成新桑农张天序（华中科技大学图像识别与人工智能研究所，武汉#,""0#）（图像信息处理与智能控制教育部重点实验室，武汉#,""0#）摘要复杂背景下目标的准确分割是自动目标识别中的关键技术之一。该文将基于过渡区提取的图像分割技术应用于自然纹理场景的图像分割，提出了基于小波变换的过渡区提取与分割算法，克服了以往过渡区直接提取方法的不足。实验结果表明，该方法用于自然纹理场景下的目标分割具有很好的分割效果。关键词小波变换过渡区图像分割阈值文章编号%""!2&,,%2（!""

2、#）%&2""!/2",文献标识码’中图分类号(6,/%!"#$%$&’(")*+,(-."*$/0-"1$’(")*2&2,)3$12,)45&("6&2,)")/7$1-$)&"&2,)8")9:$)152)7")1;,)1<:")1’2")5=（789:;:<:=>4?6@::=?8)=A458;:;48B’?:;>;A;@378:=33;5=8A=，C<@DE485F8;G=?9;:H4>IA;=8A=B(=AE84345H，JN;8;9:

3、?H4>OP4?7Q@5=6?4A=99;85@8P78:=33;5=8:R48:?43，J.*&("6&：’AA:@?5=:948A4QS3=TM@AU5?4<8P;948=4>:E=U=H:=AE8;V<=9;8’<:4Q@:;A(@?5=:)=A458;:;48（’()）$(?@89;:;48?=5;48=T:?@A:;48M@9=P;Q@5=9=5Q=8:@:;48:=AE8;V<=;9<9=P:4P=@3W;:E9

4、=5Q=8:@:;48S?4M3=Q9488@:4?QM@9=P;Q@5=:?@89;:;48?=5;48=T:?@A:;48@8P9=5Q=8:@:;48@354?;:EQ;9S?4S49=P，WE;AEA48V<=?:E=>@<3:94>:E=:?@P;:;48@3:?@89;:;48?=5;48=T:?@A:;48Q=:E4P$OTS=?;XQ=8:@3?=9<3:9P=Q489:?@:=:E@::E

5、;9Q=:E4P3=@P544P?=9<3:48:@?5=:9=5Q=8:@:;48488@:4?Q，:?@89;:;48?=5;48，;Q@5=9=5Q=8:@:;48，:E?=9E43P%引言!过渡区提取与分割算法概述自动目标识别（’()）技术是利用可见光、红外、雷达等图!$%算法思路像，通过计算机自动处理来识别目标的技术，它可以极大地提该类算法的思路是通过某种方法提取过渡区（目标与背景高现代高技术战争条件下精

6、确制导武器的反映速度及作战效之间的部分象素），使用过渡区象素的灰度直方图峰值作为图能。实现复杂变化场景下目标可靠自动识别的关键技术之一就像分割的门限，是一种阈值化图像分割方法*-+。在基于过渡区提是如何将复杂场景下的目标准确地分割出来，以便进一步提取取的图像分割算法中，过渡区的提取是最重要的环节，过渡区目标特征，提高目标识别的准确率。提取的好坏将直接影响到门限的准确性以及最终分割结果的图像分割是一个公认的经典难题，人们已研究了许许多多优劣。的图像分割方法，但还没有找到一种通用的图像分割方法，大文献*.

7、+于%//%年首次将过渡区提取技术应用于图像分多数方法都是针对特定条件下的图像进行分割*%+。基于过渡区割，其后提出的几种过渡区提取算法都是基于梯度算子，而且提取的图像分割方法是近年来人们研究较多的一种新的图像是间接提取算法。文献*0+指出了间接提取方法的缺点，并提出分割方法，由于其方法简单，所提取的阈值稳定，算法通用性应研究过渡区直接提取算法的研究方向。当前的过渡区直接提好，已在医学图像处理*!+、工件号码识别*,+、刀具磨损检测*#+等方取算法还不多见，典型的直接提取算法是文献*0+提出的局部熵面

8、得到应用。方法。纹理背景图像是战场环境下常见的一种图像，此类图像的!$!基于局部熵的过渡区提取特点是图像中具有草地等自然纹理背景以及车辆、坦克等平滑根据文献*0+，局部熵的定义为：目标。该文将基于过渡区提取的图像分割技术应用于此类纹理#$%!（!"）12!&%345&%（%）背景图像的分割，提出了基于小波变换的图像过渡区提取与分%1"割算法。其中，基金项目：国家自然科学基金重点资助项目（批准号：."%,-"!"）作者简介：闫成新（%/./2），男，博士研