图像分割综述.doc

《图像分割综述.doc》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、图像分割方法综述图像分割是图像处理中的一项关键技术,自20世纪70年代起一直受到人们的高度重视,至今已提出上千种分割算法。主要分类：基于边缘的算法、阈值分割法、基于区域的分割算法、结合特定理论工具的分割方法。一、基于边缘的算法：通过检测出不同区域边界来进行分割。边缘点往往是图像某些特征变化剧烈的点，这些点往往是一阶导数极大的点或者二阶过零的点，基于此提出了一系列边缘检测的算法.图像的边缘是图像最基本的特征之一，基于边缘的分割方法可以说是人们最早研究的方法。1959年，Julez在“一种基于边缘检测的电

2、视信号编码方法”一文中首次提及边缘检测技术，开创了边缘检测的先河。边缘检测方法试图通过检测不同区域间的边缘来解决图像分割问题。边缘检测技术可以按照处理的顺序分为串行边缘检测以及并行边缘检测。边缘检测主要包括以下几种方法：基于灰度直方图的边缘检测分割技术、梯度最大值的检测方法、二阶导数的零交叉点检测方法以及小波多尺度边缘检测的方法基于灰度直方图的边缘检测分割技术：1962年，Doyle提出的基于灰度直方图的边缘检测分割技术，计算量小，有一定的抗噪声性能，能够较理想的得到图像的边缘分割效果代表文章：基于灰

3、度与边缘的图像分割方法AGrouping-FeatureandNesting-KernelSceneImageSegmentationAlgorithm优点：边缘定位准确缺点：对噪声敏感,检测到的边缘经常不能闭合。二、阈值分割法：是灰度图像分割的一个比较常用的方法,通过阈值,把图像中灰度级大于阈值的像素和小于阈的像素分类,从而实现图像分割。比较经典的算法有Otsu阈值分割法、最大熵阈值法、迭代阈值法、基于直方图的阈值分割算法。1、最大类间方差法是在判决分析最小二乘法原理的基础上推导得出的求最佳阈值的方

4、法。发展：大津：1979年基于最大类间方差的阈值分割算法，刘健庄：1993年推广到二维，增加了其抗噪性，达到了较好的分割效果；景晓军：2003年发展到三维，范九伦：2007年进行了修正，给出了新的递推公式。1、最大熵阈值分割法最早是由Pun提出，将信息论中的”熵”应用到图像分割领域中，其后又由Kapur等人对其进行改进。熵是平均信息量的表征,根据信息论,熵定义为:H=p(x)lgp(x)dx，其中P(x)是随机变量x的概率密度函数。3、迭代阈值分割算法是由Ohanlder等人在1978年提出的基于迭代

5、原理的阈值分割方法，法基本过程是通过迭代的方法找到特征空间中各类的中心并以此来进行聚类4、基于直方图的分割算法：直方图算法的基本思想是直接依据图像的原始直方图确定阈值.是灰度图像分割的一个比较常用的方法,通过阈值,把图像中灰度级大于阈值的像素和小于阈的像素分类,从而实现图像分割。代表文章：ANewMedicalImageSegmentationMethodCombiningImprovedClusteringAlgorithmandThresholdSegmentation优点：阈值算法对于被检测物体

6、和背景反差较大的图像,阈值分割法是一种简单、有效、可靠的分割方法,缺点：对噪声敏感二、基于区域的分割算法该方法利用的是图像的空间性质，认为分割出来的属于同一区域的像素应具有相似的性质，其概念是相当直观的.主要的分割算法有：区域生长和分裂合并.1、区域生长法,通过从一系列像素的种子点开始,根据事先确定的某种生长或相似准则来判定将种子像素邻近的与其性质相似的像素合并到种子像素上从而生成区域。区域生长法实现简单,但是依赖于种子点的选取,并且需要遍历图像中的每个像素,计算复杂2、分裂合并算法的基本思想是将待分

7、割的图像先分成多个不重叠的区域，分后的区域的大小是任意的，然后按照某分裂合并规则合并或者分裂这些分后的区域达到我们分割的要求2010年JifengNing等人提出了一种新的、基于区域合并的交互式图像分割方法.代表文章：ARegion-basedColorImageSegmentationMethodunderPSystems优点分割图像时图像的空间信息得到了很好的利用，分割后连续性较好，并且不受图像的分支数影响缺点在于图像特征有很多，不易找到最优聚类特征，且聚类对于噪声也是非常敏感的。二、结合特定理论

8、工具的分割方法：近年来随着各学科新理论和新方法的提出,许多交叉领域的理论、方法和工具相结合的分割技术也随之诞生。　1　基于数学形态学的分割算法数学形态学是研究区域形状特征的数学工具,它的基本思想是用一定形态的结构元素去度量和提取图像中的对应形状以达到对图像分析处理的目的。最突出、最传统的方法就是分水岭分割方法,L.Vincent首先提出了经典的分水岭计算方法。分水岭的分割方法是对图像的梯度分割,该方法具有较好的鲁棒性,但由于梯度算子受噪声或量化误差的影响