论文部分内容阅读
作为图像分析与图像理解的基础,图像分割是计算机识别领域中最基本、也是最困难的问题之一。现有的图像分割算法各有千秋,但这些方法都是针对特定对象提出的,由于图像的多样性和复杂性,目前还没有统一的自适应分割实现方案。为了设计适用于复杂背景下的灰度图像的分割算法,本文整理、归纳和总结了一般图像分割理论、方法和国内外研究现状、发展趋势,重点论述了目前应用最广泛的阈值分割法。由于成像器材的限制、传输线路中的噪声和光照不均等种种原因,实际应用中采集的大部分图像都可归类为复杂背景下的图像,而且不论是彩色图像还是黑白图像,在处理时都会先将它们转化为灰度图像,目前复杂背景下的灰度图像的分割仍是热点问题。本文针对复杂背景下的灰度图像目标与背景对比度差、图像边缘模糊、噪声较大的特性,提出了一种结合多项式阈值曲面拟和法和分水岭变换法的图像分割算法。阈值曲面拟合法利用图像的局部特征生成自适应阈值曲面,虽然有较好的分割效果但容易产生误分割;在数学形态学中,分水岭变换的方法能有效分割与目标具有连通或相似灰度的背景图像,但容易产生过度分割。因此,本文对这两种算法均做了改进。本文重点研究了阈值曲面的拟合方法,提出了用LoG算子提取的零交叉点作为拟合点,在最小均方误差意义下,采用二维三阶多项式拟合阈值曲面的方法。同时,本文也重点研究了分离粘连目标和纠正误分割背景的方法,提出了用基于距离变换的改进分水岭变换法对多项式阈值曲面拟合法分割后的图像再次分割的方法。最后,本文将曲面拟合法和分水岭变换法有机的结合起来实现复杂背景下的灰度图像分割。为了验证本文提出的改进算法的准确性和有效性,本文在MATLAB环境下,以十五幅具有复杂背景特征的灰度图像和十幅一般灰度图像为仿真对象,分别对它们使用阈值曲面拟合法进行分割,使用分水岭变换法进行分割,使用本文提出的改进算法进行分割,使用Otsu法进行分割,使用最小误差法进行分割,并将五种分割结果进行对比。本文最终得出的结论是:对于复杂背景下的灰度图像,结合了多项式阈值曲面拟合法和分水岭变换法的改进算法比单独使用多项式曲面拟合法或分水岭变换法、Otsu法、最小误差法具有更好的分割准确性,该算法为进行进一步的图像处理奠定了良好基础。