圖像分割算法的深入研究

　　圖像分割主要是指將圖像分成各具特性的區(qū)域并提取出感興趣目標(biāo)的技術(shù)。圖像分割是數(shù)字圖像分析中的重要環(huán)節(jié)，在整個研究中起著承前啟后的作用，它既是對所有圖像預(yù)處理效果的一個檢驗，也是后續(xù)進(jìn)行圖像分析與解譯的基礎(chǔ)。其研究多年來一直受到人們的高度重視，也提出了數(shù)以千計的不同算法。雖然這些算法大都在不同程度上取得了一定的成功，但是圖像分割問題還遠(yuǎn)遠(yuǎn)沒有解決，這方面的研究仍然面臨很多挑戰(zhàn)。由于缺乏一個統(tǒng)一的理論體系，沒有一個方法來指導(dǎo)我們?nèi)绾胃鶕?jù)圖像選擇合適的分割算法。到目前為止還不存在一種通用的、能使各種類型的圖像達(dá)到最優(yōu)分割質(zhì)量的圖像分割方法，也不存在一種被廣泛接受的方法，能夠?qū)Σ煌姆指罱Y(jié)果給出與主觀感覺一致的評價。 本文研究了經(jīng)典的分割算法，指出了圖像分割的發(fā)展趨勢，并提出了一種基于數(shù)學(xué)形態(tài)學(xué)和模糊聚類的分割方法。

　　本文對圖像分割算法進(jìn)行了較深入的研究。論文的主要工作如下：

　?。?）收集整理了國內(nèi)外相關(guān)資料，將圖像分割方法分為三類：基于邊緣的分割算法，基于區(qū)域的分割算法，基于特定理論的分割算法。分別介紹了這三類算法中的常用算法。

　?。?）詳細(xì)介紹了閾值分割算法和基于形態(tài)學(xué)分水嶺算法。在研究分水嶺分割算法的基礎(chǔ)上，利用內(nèi)外標(biāo)記約束重構(gòu)梯度圖，對分水嶺算法進(jìn)行了改進(jìn)。

　?。?）介紹了聚類分析和模糊聚類算法，提出一種基 于數(shù)學(xué)形態(tài)學(xué)和模糊聚類算法的圖像分割方法，并用該方法對紅外圖像進(jìn)行分割，取得較好的效果。

　　在人類接收的信息中有80%來自視覺或者說為圖像（lmage）信息，這包括圖像、圖形（動畫）、視頻、文本、數(shù)據(jù)等，這是人類最有效和最重要的信息獲取和交流方式。隨著計算機(jī)的普及，人們越來越多地利用計算機(jī)來幫助人類獲取與處理視覺（圖像）信息。圖像技術(shù)是對視覺圖像獲取與加工處理技術(shù)的總稱。

　　圖像技術(shù)近年來受到人們廣泛的關(guān)注，它包括圖像的采集獲取、圖像編碼存儲和傳輸、圖像的產(chǎn)生顯示與變換、圖像分割、圖像的特征提取與測量、圖像數(shù)據(jù)庫的建立、索引和抽取、圖像的分類、表示和識別、圖像的模型匹配、圖像的質(zhì)量評價、圖像的解釋與理解等。根據(jù)抽象程度和處理方法的不同，圖像技術(shù)可分為三個層次：圖像處理、圖像分析和圖像理解。這三個層次的有機(jī)結(jié)合也可稱為圖像工程。