论文部分内容阅读
图像分割是数字图像处理中的关键技术之一。通过图像分割技术，可以将图像中人们感兴趣的特征部分提取出来，其有意义的特征包括图像中的边缘、区域、运动信息等，这是进一步进行图像识别、分析和理解的基础。本论文针对不同的应用情况，研究不同的图像分割方法对图像进行分割。
在集成电路反向分析时，需要提取彩色图像中的线目标。针对这一应用目的，本论文提出了一种分水岭分割的方向迭代后处理算法。首先对图像进行分水岭分割得到初始过分割图像，并通过模糊聚类方法得到区域分类概率，然后根据图像的边缘信息和空间特性，得到区域的线方向邻接区域，最后通过迭代方法，利用线方向上邻接区域信息更新当前区域的分类概率。
在纹理分割时，通过应用一种局部参数的小波域隐马尔可夫树(HMT)模型，分析不同纹理样本在不同尺度下的小波系数特性，得到不同尺度下的局部参数，通过聚类的方法对此局部参数进行分类，提取出不同纹理样本的HMT参数特征，然后依照不同纹理样本的HMT参数，对纹理图像进行不同尺度的分割，并通过尺度间分割结果的融合，得到最终的纹理分割结果。本方法在获取纹理的HMT参数时无需进行复杂的训练，且参数反映了纹理的局部特性，取得了不错的分割结果。
本论文在视频分割方面，也进行了研究，致力于研究一种快速的硬件可实现的运动分割方法。本论文进行了两方面的尝试，一方面是建立一种简化的三参数平移旋转运动模型，并依据此模型确定视频序列的全局运动，然后依据全局运动模型对图像进行运动补偿，进而采用运动检测的方法得出前景与背景的分割结果；另一方面是自动运动目标检测的方法，将视频图像划分为几个集合，不同集合具有不同的运动模型，反映视频图像中多个运动目标及背景的运动，首先对已有的不同集合进行运动参数估计，再将运动参数进行融合，以确定当前图像的目标个数，然后通过融合后的运动参数对图像进行分割，并对分割结果进行分裂与融合，引入图像的空间信息，使分割结果逼近目标的原始边界。
理论分析与实验结果表明，本论文的算法在创新性、精确度、复杂度、实用性等方面都有着各自的优势，为图像分割及视频分割在不同领域的应用作出了有益的探索。