【正文】 0 0 2 2? 1 2 1 0 0 0 1 1 2? 圖 27 改進(jìn)的 Sobel 算子卷積模板 第 17 頁 共 78 頁 如果獲得了完全的分割，邊界將圖像分割為區(qū)域，但是如果僅產(chǎn)生了部分分割，區(qū)域并沒有唯一的定義，根據(jù)邊界確定區(qū)域的問題可能是一個(gè)非常復(fù)雜的問題，需要與高層知識(shí)配合。很少有合適的理由來解釋為什么選擇某個(gè)特別的局部鄰 域算子尺度。它也是最簡單的一種邊緣檢測算子。由于拉普拉斯算子沒有邊緣方向的信息，并且對(duì)噪音非常敏感，因此實(shí)際應(yīng)用中往往不直接用來獲取邊緣，而是先做圖像濾波后再使用拉普拉斯算子，這種方法就是拉普拉斯一高斯 (Laplacian of Gaussian)算子，此處不做過多介紹 。 [ ( 1 , 1 ) 2 ( 1 , ) ( 1 , 1 ) ] [ ( 1 , 1 ) 2 ( 1 , ) ( 1 , 1 ) ]yf f i j f i j f i j f i j f i j f i j? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 上述的 Sobel算子不是各向同性的，沿不同方向的梯度幅值不一樣，因此通常使用改進(jìn)的各向同性的 Sobel算子，它的加權(quán)系數(shù)是 2 不是 2。由于差分算子的抗干擾性很差，噪音會(huì)使得使用差分算子的時(shí)候在噪音邊緣產(chǎn)生沖擊， Sobel算子通過先求加權(quán)平均然后再求差分的方法來增強(qiáng)抑制噪音干擾的能力： 39。下面介紹幾種經(jīng)典的邊緣檢測算子。常用的一階微分算子有 Roberts、1R 2R 3R 41R 42R 43R 44R R 1R 2R 3R 4R 41R 42R 43R 44R 第 15 頁 共 78 頁 Prewitt和 Sobel算子、二階微分算子有 Laplace和 Kirsh算子等。對(duì)于階躍狀邊緣，其位置對(duì)應(yīng)一階導(dǎo)數(shù)的極值點(diǎn)，對(duì)應(yīng)二階導(dǎo)數(shù)的過零點(diǎn)（零交叉點(diǎn)）。 基于邊界的圖像分割方法 基于邊界的分割方法是利用不同區(qū)域間象素灰度不連續(xù)的特點(diǎn)檢測出區(qū)域間的邊緣，從而實(shí) 現(xiàn)圖像分割。 圖 25 分列合并法演示圖 分裂合并法的關(guān)鍵是分裂合并準(zhǔn)則的設(shè)計(jì)。 2）對(duì)相鄰的兩個(gè)區(qū)域 Ri 和 Rj ，如果 P（ Ri U Rj） =TRUE 則將它們合并為一個(gè)區(qū)域。一種利用四叉樹表達(dá)方法的分割算法如下： R代表整個(gè)正方形圖像區(qū)域， P代表檢驗(yàn)準(zhǔn)則。另外，它是一種串行算法，當(dāng)目標(biāo)較大時(shí)，分割速度較慢，因此在設(shè)計(jì)算法時(shí)要盡量提高效率。區(qū)域生長法的優(yōu)點(diǎn)是計(jì)算簡單，對(duì)于較均勻的連通目標(biāo)有較好的分割效果。 區(qū)域生長法要解決的主要問題是區(qū)域生長準(zhǔn)則的設(shè)計(jì)和算法的高效性。首先為每個(gè)需要分割的區(qū)域確定一個(gè)種子像素作為生長起點(diǎn)，然后按一定的生長準(zhǔn)則把它周圍與其特性相同或相似的像素合并到種子像素所在的區(qū)域中。區(qū)域生長和分裂合并法是兩種典型的串行區(qū)域技術(shù)，其分割過程后續(xù)步驟的處理要根據(jù)前面步驟的結(jié)果進(jìn)行判斷而確定。一致性準(zhǔn)則可以是基于灰度，色彩，紋理等的標(biāo)準(zhǔn)。 基于區(qū)域的圖像分割方法 基于區(qū)域的分割方法 得到的分割結(jié)果 直接構(gòu)成區(qū)域，基本思想就是將圖像劃分成最大一致性的分區(qū)。 閾值法優(yōu)點(diǎn)是計(jì)算簡單，速度快，易于實(shí)現(xiàn)。 圖 22 多閾值劃分圖 第 12 頁 共 78 頁 圖 23 原始 peppers 圖像 A 二值分割圖像 B 三值分割圖像 C 四值圖像分割 D 五值圖像分割 第 13 頁 共 78 頁 圖 24 Otsu 法應(yīng)用到多閾值分割的效果圖 Otsu 算法不僅適用于選擇單閾值，也可用于 多閾值的確定 [11]。 (, )Gij 1 當(dāng) ? 1F(i,j) D 時(shí) 2 當(dāng) ? 2F(i,j) D 時(shí) 。其次，還有許多使用多閾值的閾值化修正方法比如文獻(xiàn) [9]利用遺傳算法進(jìn)行多個(gè)閾值的選取和文獻(xiàn) [10]中提到的基于過渡區(qū)域的多閾值分割方法 ，其處理后的結(jié)果圖像不再是二值的，而是一個(gè)有限的灰度值集合組成的圖像 。其中準(zhǔn)則定義為兩類的類間方差： 2 2 2 20 0 1 1 0 1 0 1( ) ( ) ( ) ( )t? ? ? ? ? ? ? ? ? ? ?? ? ? ? ? ?????????? () 使 2()t? 取最大值的 t，就是分割目標(biāo)和背景的最佳閾值 T。兩類的概率為0 0tii P? ???和 101???? 。其基本思想是用閾值把圖像像素劃分為兩類，通過使劃分后得到的兩類的類間方差最大來確定最佳閾值。選取直方圖的谷點(diǎn)可借助求曲線極小值的方法，該方法對(duì)于目標(biāo)和背景有很大灰度差異的圖像能實(shí)現(xiàn)簡單而有效的分割。 灰 度直方圖峰谷法 [7]。閾值 T一般可寫成： T = T[ x , y , p ( x , y) , q ( x , y) ] 其中 p ( x , y) 代表點(diǎn) ( x , y) 處的灰度值 , q ( x ,y) 代表該點(diǎn)鄰域的某種局部特性。如果圖像只有目標(biāo)和背景兩大類 ,那么只需選 取一個(gè)閾值稱為單閾值分割，這種方法是將圖像中每個(gè)像素的灰度值與閾值相比較，灰度值大于閾值的像素為一類，灰度值小于閾值的像素為另一類。（ ）式表示子區(qū)域的并集是整個(gè)圖像，這一點(diǎn) 是 保證圖像的每個(gè)象素都被處理的充分條件 第 10 頁 共 78 頁 傳統(tǒng)圖像分割的方法及其局限 閾值法 閾值法是一種最簡單的圖像分割方法 ,是一種最常用的并行區(qū)域技術(shù)。圖像分割的數(shù)學(xué)描述如下： 令集合 R 代表整個(gè)圖像區(qū)域，對(duì) R 的圖像分割可以看作是將 R 分成 n個(gè)滿足如下規(guī)則的非空子集： R1， R2， …..R n： （ 1）1Nii RR? ????????????????????? () （ 2）對(duì)于所有的 i 和 j ， ij? , ijRR?? （ 3）對(duì)于 1 , 2 , , ( )ii n P R TR U E??有 （ 4） , ( )iji j P R R F A L S E??對(duì)于 有 （ 5） 1 , 2 , , , ii n R?對(duì)于 是連通的區(qū)域 P(Ri)=TRUE 指出在分割結(jié)果中，每個(gè)區(qū)域的像素有著相同的特性。有兩種可能的選擇，如果只依據(jù)旁側(cè)相鄰的像素（上、下、左、右）來確定連通，叫做四連通；如果再加上 45度角方向的像素，則稱為八連通的。每個(gè)子區(qū)域的內(nèi)部是連通的，同一區(qū)域內(nèi)部具有相同或相似的特性，這里的特性可以是灰度、顏色、紋理等。 第五章是結(jié)論和展望部分，對(duì)兩個(gè)人工生命模型作了簡短的總結(jié)，并且對(duì)于模型的改進(jìn)的方向和問題發(fā)表了一些看法以及對(duì)于圖像處理領(lǐng)域結(jié)合人工生命的方法論的前 景做出了展望。主要介紹了作者研究的應(yīng)用于單一靜態(tài)圖像上的人工生命模型，系統(tǒng)地介紹了模型的各個(gè)模塊及 第 8 頁 共 78 頁 算法，并通過實(shí)驗(yàn)對(duì)人工生命模型分割出的圖像做了定量定性的評(píng)價(jià)，也與其它的 傳統(tǒng)的方法作了一個(gè)比較，論證了基于細(xì)胞自動(dòng)機(jī)的人工生命模型在靜態(tài)圖像上的良好的性能，分析了該模型的優(yōu)點(diǎn)及缺陷。主要介紹圖像分割的基本概念和一些經(jīng)典的算法，人工生命的發(fā)展和現(xiàn)狀，相關(guān)概念及思想以及這一學(xué)科的發(fā)展前景和應(yīng)用的情況。主要介紹了圖像分割的背景和動(dòng)機(jī)，研究的內(nèi)容和創(chuàng)新點(diǎn)，以及論文的結(jié)構(gòu)。 通過實(shí)驗(yàn)驗(yàn)證， 該模型對(duì)于提取視頻序 列的目標(biāo)有較好的效果。 在已有的用于圖像處理的人工生命模型中，大多是以像素點(diǎn)作為生命個(gè)體，也有人提出了帶有形狀的生命個(gè)體但是關(guān)注的一般都是 單一粒度的 個(gè)體與個(gè)體之間的交互。 在 該模型 中，使用了不同粒度的人工生命模型用于圖像分割的問題。在這個(gè)思想指導(dǎo)下，提出了 用于單一靜態(tài)圖像分割 的人工生命模型，在設(shè)計(jì)該模型的過程中參考了許多真實(shí)的有群居行為的生物如螞蟻、蜜蜂以及最大的群居生物人類等，參照它們的群體協(xié)作行為以及對(duì)環(huán)境變化的適應(yīng)行為，最終實(shí)現(xiàn)了 該 人工生命 模型 。在研究該智能體模型的過程中，參閱了大量關(guān)于人工生命的思想和方法的論文后，形成了一些自己的想法，也作了一些原創(chuàng)性的研究，具體為以下幾點(diǎn)。這兩種模型都是具有自主計(jì)算特點(diǎn)的多代理系統(tǒng)，每個(gè)生命個(gè)體具有簡單的生存規(guī)則，在作為生存環(huán)境的圖像序列上不斷進(jìn)行擴(kuò)張，一段時(shí)間后整個(gè)生命群落將會(huì)自動(dòng)得到需要 第 7 頁 共 78 頁 提取的目標(biāo)物。人工生命用于圖像分割將有很好的應(yīng)用潛力和前景，需要進(jìn)一步深入研究下去。過去的十多年，研究人員探索把人工生命應(yīng)用到計(jì)算機(jī)圖像處理中，開拓了研究思路，帶來發(fā)現(xiàn)更新穎、更有效的理論和方法的可能性，并且已經(jīng)在一些方面取得一定的成功。而且人工生命通過對(duì)生命世界的 模擬不僅更好地理解生命現(xiàn)象，同時(shí)也為解決復(fù)雜問題提供新的思路和方法。 人工生命是二十世紀(jì)八十年代末興起的一門交叉學(xué)科，是計(jì)算機(jī)科學(xué)新的發(fā)展方向之一，其研究內(nèi)容包括：物種進(jìn)化、遺傳算法、自組織、自適應(yīng)、智能體、生命現(xiàn)象模擬、生物與社會(huì)、基因工程、人工化學(xué)、生命動(dòng)力學(xué)、人工生命哲學(xué)、人工生命方法論、算法、人工智能等有關(guān)研究課題。到目前為止，在圖像分割領(lǐng)域還不存在一個(gè)通用的方法，也不存在一個(gè)判斷分割是否成功的客觀標(biāo)準(zhǔn)。從二十世紀(jì)七十年代開始就有很多很多研究人員為之付出了巨大的努力，在這幾十年的過程中研究人員也不斷把其它各個(gè)領(lǐng)域的方法論引入和應(yīng)用到圖像分割的領(lǐng)域內(nèi) ， 創(chuàng)造了很多經(jīng)典的圖像分割算法比如：基于灰度直方圖的方法，區(qū)域分割算法，邊緣提取，基于數(shù)學(xué)形態(tài)學(xué)的方法，基于遺傳算法的最優(yōu)化參數(shù)設(shè)置的方法等等。因此對(duì)圖像分割方法的研 第 6 頁 共 78 頁 究具有十分重要的意義。它是由圖像處理到圖像分析的關(guān)鍵步驟；是一種基本的計(jì)算機(jī)視覺技術(shù)。圖像分割是圖像處理中的關(guān)鍵技術(shù)之一 。運(yùn)動(dòng)人體分割的目的是從序列圖像中將運(yùn)動(dòng)人體的變化區(qū)域從背景圖像中提取出來 ,其運(yùn)動(dòng)區(qū)域的有效分割對(duì)于目標(biāo)分類、跟蹤和行為理解等后期處理是非常重要的 ， 如圖 11所示。 視頻監(jiān)控系統(tǒng)是多媒體技術(shù)、計(jì)算機(jī)網(wǎng)絡(luò)、工業(yè)控制和人工智能等技術(shù)的綜合運(yùn)用，它正向著視頻音頻的數(shù)字化、系統(tǒng)的網(wǎng)絡(luò)化和管理的智能化方向不斷發(fā)展 [4， 5， 6]。智能視頻監(jiān)控系統(tǒng)。 作者簽名： 日期： 年 月 日 導(dǎo)師簽名： 日期： 年 月 日 指導(dǎo)教師評(píng)閱書 指導(dǎo)教師評(píng)價(jià)： 一、撰寫（設(shè)計(jì)）過程 學(xué)生在論文（設(shè)計(jì)）過程中的治學(xué)態(tài)度、工作精神 □ 優(yōu) □ 良 □ 中 □ 及格 □ 不及格 學(xué)生掌握專業(yè)知識(shí)、技能的扎實(shí)程度 □ 優(yōu) □ 良 □ 中 □ 及格 □ 不及格 學(xué)生綜合運(yùn)用所學(xué)知識(shí)和專業(yè)技能分析和解決問題的能力 □ 優(yōu) □ 良 □ 中 □ 及格 □ 不及格 研究方法的科學(xué)性；技術(shù)線路的可行性；設(shè)計(jì)方案的合理性 □ 優(yōu) □ 良 □ 中 □ 及格 □ 不及格 完成畢業(yè)論文（設(shè)計(jì)）期間的出勤情況 □ 優(yōu) □ 良 □ 中 □ 及格 □ 不及格 二、論文（設(shè)計(jì)）質(zhì)量 論文（設(shè)計(jì)）的整體結(jié)構(gòu)是否符合撰寫規(guī)范？ □ 優(yōu) □ 良 □ 中 □ 及格 □ 不及格 是否完成指定的論文（設(shè)計(jì)）任務(wù)（包括裝訂及附件）？ □ 優(yōu) □ 良 □ 中 □ 及格 □ 不及格 三、論文（設(shè)計(jì)）水平 論文（設(shè)計(jì)）的理論意義或?qū)鉀Q實(shí)際問題的指導(dǎo)意義 □ 優(yōu) □ 良 □ 中 □ 及格 □ 不及格 論文的觀念是否有新意？設(shè)計(jì)是否有創(chuàng)意？ □ 優(yōu) □ 良 □ 中 □ 及格 □ 不及格 論文（設(shè)計(jì)說明書）所 體現(xiàn)的整體水平 □ 優(yōu) □ 良 □ 中 □ 及格 □ 不及格 建議成績： □ 優(yōu) □ 良 □ 中 □ 及格 □ 不及格 （在所選等級(jí)前的□內(nèi)畫“√”） 指導(dǎo)教師： （簽名） 單位： （蓋章） 年 月 日 評(píng)閱教師評(píng)閱書 評(píng)閱教師評(píng)價(jià)： 一、論文（設(shè)計(jì)）質(zhì)量 論文（設(shè)計(jì)）的整體結(jié)構(gòu)是否符合撰寫規(guī)范？ □ 優(yōu) □ 良 □ 中 □ 及格 □ 不及 格 是否完成指定的論文（設(shè)計(jì)）任務(wù)（包括裝訂及附件）？ □ 優(yōu) □ 良 □ 中 □ 及格 □ 不及格 二、論文（設(shè)計(jì)）水平 論文（設(shè)計(jì)）的理論意義或?qū)鉀Q實(shí)際問題的指導(dǎo)意義 □ 優(yōu) □ 良 □ 中 □ 及格