【正文】 36圖 本章方法的分割結(jié)果 ...................................................................................... 36圖 Pikaz 方法的分割結(jié)果 .................................................................................... 36圖 Kit tler 方法的分割結(jié)果................................................................................. 36圖 Kapur 方法的分割結(jié)果圖 .............................................................................. 37圖 Yanowitz 方法的分割結(jié)果 .............................................................................. 37圖 Ramesh 方法的分割結(jié)果圖 ............................................................................ 37圖 Pal 方法的分割結(jié)果 ....................................................................................... 37圖 無噪下本章 man 結(jié)果 ..................................................................................... 38圖 無噪下第三章 .................................................................................................. 38圖 有噪下本章 man 結(jié)果 ..................................................................................... 38圖 有噪下第三章 man 結(jié)果圖 ............................................................................. 38插表清單表 man 圖在不同 saltamp。pepper 噪聲參數(shù)下三種方法的信噪比........................... 25表 image 在不同 saltamp。pepper 噪聲參數(shù)下三種方法的信噪比 ......................... 26獨(dú) 創(chuàng) 性 聲 明本人聲明所呈交的學(xué)位論文是本人在導(dǎo)師指導(dǎo)下進(jìn)行的研究工作及取得的研究成果。據(jù)我所知，除了文中特別加以標(biāo)志和致謝的地方外，論文中不包含其他人已經(jīng)發(fā)表或撰寫過的研究成果，也不包含為獲得合肥工業(yè)大學(xué)或其他教育機(jī)構(gòu)的學(xué)位或證書而使用過的材料。與我一同工作的同志對(duì)本研究所做的任何貢獻(xiàn)均已在論文中作了明確的說明并表示謝意。學(xué)位論文作者簽字：石美簽字日期：2011 年4 月29 日學(xué)位論文版權(quán)使用授權(quán)書本學(xué)位論文作者完全了解合肥工業(yè)大學(xué)有關(guān)保留、使用學(xué)位論文的規(guī)定，有權(quán)保留并向國(guó)家有關(guān)部門或機(jī)構(gòu)送交論文的復(fù)印件和磁盤，允許論文被查閱或借閱。本人授權(quán)合肥工業(yè)大學(xué)可以將學(xué)位論文的全部或部分論文內(nèi)容編入有關(guān)數(shù)據(jù)庫進(jìn)行檢索，可以采用影印、縮印或掃描等復(fù)制手段保存、匯編學(xué)位論文。（保密的學(xué)位論文在解密后適用本授權(quán)書）學(xué)位論文者簽名：石美導(dǎo)師簽名：胡敏簽字日期：2011 年4 月29 日簽字日期：2011 年4 月29 日學(xué)位論文作者畢業(yè)后去向：工作單位：通訊地址：電話：郵編：第一章緒論 圖像分割概述視覺系統(tǒng)是人類感知外部世界的主要途徑之一，它在人類認(rèn)識(shí)外部世界過程中發(fā)揮著重要的作用，而在視覺系統(tǒng)中，人類在感知周圍的信息時(shí)，往往是通過自己所看到圖像來反映的，因此圖像是人們獲取外部信息的一種重要的途徑。通過研究發(fā)現(xiàn)，人們?cè)诟兄约褐車膱D像時(shí)，感興趣的往往只是其中的某些部分，而非整個(gè)圖像的全部。一般情況下，這些感興趣的部分都會(huì)占據(jù)一定比例的區(qū)域，同時(shí)這些區(qū)域中的圖像具有與周圍的圖像不同的特征差別，比如灰度值不同、顏色的不同，紋理的不同等。通過人的肉眼觀察的話，這些特征有可能比較容易的看出，也有可能因?yàn)榧?xì)微的差別而觀察不出來。由于計(jì)算機(jī)視覺技術(shù)的發(fā)現(xiàn)，特別是數(shù)字圖像處理方法的發(fā)展，使得人們可以通過計(jì)算機(jī)來克服這種人眼觀察下的不足，運(yùn)用計(jì)算機(jī)能夠精確的處理數(shù)據(jù)的特性來對(duì)圖像進(jìn)行處理，從而獲得較為較為理想的信息 [1]。如今，基于計(jì)算機(jī)視覺的數(shù)字圖像處理方法已在許多生活和生產(chǎn)領(lǐng)域得到廣泛的應(yīng)用。在這些應(yīng)用中，圖像分割發(fā)揮著非常重要的作用。這是因?yàn)橥ㄟ^對(duì)圖像的分割處理后，就可以把人們感興趣的圖像目標(biāo)區(qū)域從占據(jù)不同區(qū)域的背景區(qū)域中提取出來，從而為下一步的圖像處理奠定基礎(chǔ)。因此圖像分割后的效果的好壞與否將會(huì)直接地影響下一步的圖像處理的結(jié)果，甚至?xí)绊懙膱D像處理后的最終結(jié)果。作為圖像處理領(lǐng)域的前提條件和基礎(chǔ)，圖像分割在圖像處理領(lǐng)域中至關(guān)重要的作用，也決定了它的發(fā)展備受人們的關(guān)注。圖像分割的重要作用如圖 所示 [2]。圖像預(yù)處理圖像識(shí)別圖像理解圖像分割圖 圖像分割的作用 圖像分割需滿足的條件圖像分割就是根據(jù)圖像本身的特征把圖像中具有特殊含義的互不相交的區(qū)域區(qū)分開來，這些特性包括灰度圖像的的灰度值，彩色圖像顏色的各個(gè)分量值以及圖像的幾何性質(zhì)等。分割后的區(qū)域除了滿足各自的區(qū)域一致性外，還需同時(shí)滿足下面的幾個(gè)條件：1（1）區(qū)域的連通性：分割出來的圖像區(qū)域內(nèi)必須存在能夠連接任意兩個(gè)像素點(diǎn)的路徑，并且分割后的區(qū)域內(nèi)部不會(huì)存在著一些小的空洞，內(nèi)部是平整的。（2）區(qū)域的均勻性：分割出來的圖像區(qū)域中的所有像素點(diǎn)都必須具有某種特征上的相似性，這些特征可以包括圖像的紋理，圖像的顏色，圖像的灰度以及把圖像轉(zhuǎn)換后的多光譜等等。（3）區(qū)域間的差異性：不同的分割區(qū)域，特別是相鄰的區(qū)域間必須具有顯著的差異性。（4）區(qū)域邊界的齊整性：每個(gè)分割后的區(qū)域邊界必須保證在空間位置的準(zhǔn)確性，從而使得分割后的區(qū)域邊界齊整。 圖像分割的數(shù)學(xué)定義基于上述圖像分割的條件，可以把圖像分割做如下形式化的定義 [3]：把圖像的像素點(diǎn)集合用一個(gè)有序集合 A 來表示，同時(shí)把具有相同性質(zhì)的謂詞用 H 來表示，這樣的話，就可以把 A 分割成為若干個(gè)有序非空子集 A1, A2 , A3子集要滿足如下條件：ni =1（2） Ai ∩ Aj = 246。 , ?i, j, i ≠ jAn ，這些（3） H ( Ai ) = True, ?i, i = 1, 2,n（4） H ( A ∪ Aj ) = False, ?i, j, i ≠ j且A與Aj相鄰（5） ?Ai都是連通的區(qū)域條件（1）表明所有分割的子區(qū)域組成了整幅圖像，也就是說圖像中的任意一個(gè)像素點(diǎn)都可以在某個(gè)子區(qū)域中找到。條件（2）表明任意兩個(gè)子區(qū)域不存在公共的像素點(diǎn)，也就是說任意一個(gè)像素點(diǎn)不可能同時(shí)屬于兩個(gè)不同的子區(qū)域。條件（3）表明分割的均勻性，即同一子區(qū)域內(nèi)的像素點(diǎn)必具有某種特征上的相似性。條件（4）表明任意兩個(gè)相鄰的子區(qū)域具有某種特征上的差異性。條件（5）表明任意一個(gè)子區(qū)域內(nèi)的像素點(diǎn)之間的連通性。在實(shí)際應(yīng)用中，由于圖像的千差萬別，以及在圖像的獲取和傳輸過程中各種因素的影響，使得圖像分割不僅要滿足上述的條件，還要把其中感興趣的區(qū)域目標(biāo)提取出來，這些感興趣的目標(biāo)是根據(jù)具體的實(shí)際情況而定。這就使得圖像的分割只是針對(duì)具體的應(yīng)用，而無法用一種通用的方法來解決。2（1） ∪ Ai = Ai i 圖像分割的分類作為一個(gè)非常具有挑戰(zhàn)性的圖像處理技術(shù)，圖像分割的研究歷史已經(jīng)有幾十年了。人們通過建立不同的模型，運(yùn)用各種數(shù)學(xué)理論和工具，從圖像自身的特征出發(fā)，形成了錯(cuò)綜復(fù)雜的針對(duì)灰度圖像和彩色圖像的分割算法 [46]。通過對(duì)國(guó)內(nèi)外文獻(xiàn)的研究，可以把圖像分割的方法歸納為以下五類：（1） 基于邊緣的分割邊緣在圖像視覺中具有非常重要作用。圖像的邊緣表示為圖像信息的某種不連續(xù)性，可表現(xiàn)在圖像紋理、灰度突變及色彩變化上等?；谶吘壍姆指罘椒ǖ幕舅枷刖褪歉鶕?jù)不同區(qū)域間的特征不連續(xù)性特點(diǎn)來檢測(cè)出區(qū)域間的邊緣，從而實(shí)現(xiàn)圖像分割。該方法利用人的視覺過程的機(jī)理，通過檢測(cè)出不同均勻區(qū)域之間的邊界從而來實(shí)現(xiàn)對(duì)圖像的分割。人們針對(duì)邊緣檢測(cè)的方法來實(shí)現(xiàn)圖像分割也研究出了很多方法，該種方法通過檢測(cè)包括不同區(qū)域的邊緣來實(shí)現(xiàn)圖像分割 [78]。根據(jù)執(zhí)行方式的不同，可以把該類方法分為串行邊緣檢測(cè)和并行邊緣檢測(cè)。串行邊緣檢測(cè)技術(shù)的基本原理是先是檢測(cè)出一個(gè)邊緣起始點(diǎn)，然后利用一定的相似性準(zhǔn)則來尋找與前一點(diǎn)客歸屬為同一類的邊緣點(diǎn)，這種通過根據(jù)后繼相似點(diǎn)查找同類的方法又稱之為跟蹤。根據(jù)跟蹤的方法不同，又可以這中方法分為光柵跟蹤、輪廓跟蹤和全向跟蹤。其中全向跟蹤法能夠克服由于跟蹤的方向性而造成的邊界丟失，但其搜索過程需要付出更多的時(shí)間代價(jià)。串行邊緣檢測(cè)技術(shù)的優(yōu)點(diǎn)是能夠得到連續(xù)的單像素邊緣，但是它的效果對(duì)初始邊緣點(diǎn)依賴性較大，如果初始邊緣點(diǎn)的確定不恰當(dāng)?shù)脑?，可能?huì)得到虛假邊緣，同時(shí)較少的初始邊緣點(diǎn)也有可能導(dǎo)致邊緣漏檢。并行邊緣檢測(cè)技術(shù)則是借助空域微分算子，使用其模板與圖像卷積來實(shí)現(xiàn)，這種方法可以針對(duì)每個(gè)像素同時(shí)進(jìn)行，因此能夠在很大程度上降低算法的時(shí)間復(fù)雜度。目前較為常見并行邊緣檢測(cè)方法的模板算子有 LOG 算子、Roberts 算子、Laplacian 算子、Prewitt 算子、Sobel 算子等。雖然在檢測(cè)的準(zhǔn)確性和邊緣定位的精確度上其它的邊緣檢測(cè)算法和上述算法有所差異，但該類算法都有一個(gè)共同的缺點(diǎn)，即不能夠得到連續(xù)的完整的單像素邊緣，而這點(diǎn)對(duì)于分割來說是不可忽視的缺陷。通常情況下在利用上述邊緣檢測(cè)方法的同時(shí)，需要進(jìn)一步的對(duì)邊緣進(jìn)行修正，如虛假邊緣剔除、去除毛刺和邊緣連通等。常用的邊緣修正的方法有相位編組法、啟發(fā)式連接和層次記號(hào)編組法等。同樣利用邊緣修正并行邊緣檢測(cè)在算法實(shí)現(xiàn)方面也要付出相當(dāng)大的代價(jià)。（2） 基于閾值的分割閾值化圖像分割方法是圖像分割方法中最為常見也是最簡(jiǎn)單的一種分割方法。其基本思想是根據(jù)圖像的灰度或顏色值的信息把圖像劃分為背景和目標(biāo)，3從而實(shí)現(xiàn)對(duì)圖像的分割。閾值化分割包括單閾值分割方法和多閾值分割方法。簡(jiǎn)單而言單閾值分割就是根據(jù)一個(gè)閾值把圖像進(jìn)行二值化的過程。具體而言就先確定某一閾值，然后把圖像中像素點(diǎn)的灰度值大于這個(gè)閾值的歸劃一類，而小于該閾值的歸劃為另一類。目前常用的確定閾值的方法有：P參數(shù)法，判別分析狀態(tài)法。多閾值分割則需要選擇多個(gè)閾值，把整個(gè)灰度范圍劃分成幾個(gè)段，屬于每個(gè)段內(nèi)的象素成為一類，這樣就將圖像劃分成多個(gè)灰度不同的區(qū)域。顯而易見，單閾值分割是多閾值分割的一種特例。除這兩種方法之外，還有可變閾值法，其思想為先確定一個(gè)或幾個(gè)閾值，根據(jù)動(dòng)態(tài)規(guī)劃和反復(fù)法的方法來選擇閾值，在這一類方法中較為典型的是迭代閾值算法和自適應(yīng)閾值算法。閾值算法的優(yōu)點(diǎn)是實(shí)現(xiàn)較容易，算法簡(jiǎn)單，特別是針對(duì)目標(biāo)和背景閾值差異較為強(qiáng)的圖像，若體現(xiàn)在灰度直方圖即有明顯的波峰和波谷的圖像，該方法的分割效果較好。但這也導(dǎo)致了該類算法的缺點(diǎn)。也就是算法的適用范圍較小，并且不容易確定出最佳的閾值，從而會(huì)造成圖像的錯(cuò)誤分割，而且該算法的抗噪性也不好。由于該算法僅僅只考慮圖像的灰度信息而忽略圖像的空間信息，因此在日常的實(shí)際應(yīng)用中，對(duì)灰度不均勻的圖像就會(huì)比較敏感，所以有必要把其他的算法與其結(jié)合起來使用從而發(fā)揮該算法簡(jiǎn)單快捷的優(yōu)點(diǎn)，同時(shí)有能提高圖像處理的進(jìn)程效率。目前較常用的閾值算法包括：基于灰度直方圖的波峰與波谷法、最大熵法、最小誤差法、模糊集法、最大類間方差法等。（3） 基于區(qū)域的分割區(qū)域的分割法在傳統(tǒng)意義上可以分為分裂合并和區(qū)域生長(zhǎng)兩種基本形式。區(qū)域分裂合并法的前提是從整個(gè)圖像出發(fā)，從而逐漸的分裂或合并所形成的分割結(jié)果 ；區(qū)域生長(zhǎng)法則是從單像素出發(fā)，同時(shí)考慮到像素及其空間鄰域像素之間的關(guān)系，并逐漸合并從而形成所需要的分割結(jié)果 [9]。區(qū)域生長(zhǎng)算法的基本思想是先在每個(gè)待分割的區(qū)域中找一個(gè)或多個(gè)種子像素點(diǎn)作為生長(zhǎng)的起點(diǎn)，然后根據(jù)某種相似性準(zhǔn)則來進(jìn)行區(qū)域增長(zhǎng)，直至沒有可