改进后的分水岭算法在图像分割中的应用研究

论文摘要

人们在研究图像过程中,常常对图像中某些部分感兴趣。它们一般对应图像中特定的、具有独特性质的区域。为了辩识和分析图像中的目标,需要将它们从图像中分离出来。在此基础上,人们才能进一步对目标进行测量和对图像进行利用。本文阐述了数字图像特性,对数学形态学在图像分割中的应用进行了论述。研究了基于数学形态学边缘提取,介绍了图像分割基本原理及几种典型分割方法。其中分水岭算法是图像分割中的一种经典有效的方法,它以快速、有效、准确的获取结果赢得人们的重视。它能自动生成单像素宽度的封闭轮廓,分水岭算法的不足在于它的过分割结果,即生成大量过小的封闭区域,使目标物体淹没其中。基于上述缺点本文提出了一种改进的分水岭分割算法,首先对图像进行形态学边缘检测,然后根据本文提出的改进分水岭算法进行分割,再为每个分水岭区域定义特征量,根据这些特征量以及相邻区域之间的分水岭显著性计算两个相邻区域之间相似性程度,按照边缘检测,最终得到图像的分割结果,对图像分割质量进行改善,该算法经试验验证,得到了较好的分割效果。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 研究课题的目的及意义
• 1.2 数学形态学发展简史
• 1.3 数学形态学与数字图象处理
• 1.4 图像分割概述
• 1.5 分水岭算法概述
• 1.6 本文主要研究内容及技术路线
• 第2章 数学形态学基本原理
• 2.1 概述
• 2.2 数学形态学基本原理
• 2.2.1 二值形态学
• 2.2.2 灰度形态学
• 2.3 形态学重建
• 2.3.1 二值图象的重建
• 2.3.2 灰度图象的计算
• 2.4 灰度重建的应用
• 2.5 小结
• 第3章 图像与图像分割
• 3.1 图象概述
• 3.2 图象分割
• 3.2.1 图象分割概述
• 3.2.2 图象分割定义
• 3.2.3 图象分割算法分类
• 3.3 数学形态学的基本思想和基本运算
• 3.4 图像分割方法
• 3.4.1 几种典型的分割方法
• 3.4.3 其它结合特定理论工具的分割方法
• 3.4.4 特殊图象的分割方法
• 3.5 小结
• 第4章 改进的分水岭算法在图像分割中的应用
• 4.1 引言
• 4.2 分水岭分割算法原理
• 4.3 分水岭算法的数学模型
• 4.4 传统分水岭算法的缺点
• 4.5 分水岭法的步骤
• 4.5.1 应用形态滤波对Luc Vincent算法进行改进
• 4.5.2 强滤波器与传统滤波器的比较
• 4.5.3 分水岭的改进及实验结果讨论
• 4.6 对分水岭结果的后期处理
• 4.6.1 区域合并技术
• 4.6.2 合并代价的选择
• 4.6.3 邻域图应用于合并算法
• 4.6.4 全局最优合并算法的提出
• 4.7 小结
• 第5章 总结
• 参考文献
• 致谢
• 学位论文评阅及答辩情况表