论文摘要
图像分割是一种关键的图像分析技术,目的是通过对图像的分析和研究,将感兴趣的区域或目标提取出来。图像分割是承接图像处理与图像分析之间的关键步骤,也是图像进一步理解的基础。图像分割有着很长的研究历史,一直是研究的热点和焦点问题,几十年来也提出了数以千计的算法。这些方法虽然在一定程度和范围内解决了某些特定的问题,但是并不能解决所有图像分割的问题。并且,迄今为止也没有一个通用的理论来评价分割的结果,因此这方面的研究面临许多挑战。在分割图像时,由于受到噪声、光照等污染使得图像模糊不清,图像中的细节和边缘等信息无法完全分割出来,本文研究的基于模糊技术的图像分割能对模糊降质图像进行有效分割。本文对数字图像分割方法做了系统深入的研究,主要研究工作如下:1、分析了图像分割的研究背景,概括了国内外的研究现状和发展趋势。2、深入研究了图像分割前期的预处理问题。分析比较了抑制高斯噪声的均值滤波器和抑制椒盐噪声的中值滤波器。在此基础上针对图像通常含有的噪声类型,提出了一种改进的PCNN脉冲耦合神经网络图像滤波算法。该方法是通过对每个神经元进行受噪类型的判断,选择使用不同的去噪滤波器。3、基于模糊理论的阈值图像分割方法研究。详细分析了图像分割中的阈值分割方法,针对待分割图像均或多或少存在模糊不清的情况,结合模糊理论,将模糊技术与大津法(Otsu)阈值分割相融合改进了阈值图像分割方法。实验表明该方法可以改进因噪声、光照或其他干扰因素造成的模糊、多目标、分割不完全的情况,分割效果明显改善。4、改进传统大津图像分割方法。为更有效地解决自动选取的阈值偏向于方差较大一类的问题,准确找到直方图的谷点位置,更好地分割小对象,改进了传统大津法。5、结合遗传算法的阈值图像分割方法研究。为提高分割效率,研究了图像分割的快速性。利用寻优性能较好的智能算法中的遗传算法来对多阈值寻优,实验结果表明该方法可以较准确寻找到一组最优解,且耗费时间比模拟退火算法(SA)及穷举法要少得多。同时与Otsu、最大熵方法比较,结合遗传算法的分割方法所耗费的时间要略多一些,但是却能获得更高质量的图像分割结果。折中的结果是结合遗传算法的分割方法能取得更好的效果。
论文目录
相关论文文献
标签：图像分割论文; 滤波去噪论文; 最大类间方差阈值论文; 模糊技术论文; 遗传算法论文;