基于數(shù)學(xué)形態(tài)學(xué)的圖像分割方法研究畢業(yè)論文

1、畢業(yè)設(shè)計論文基于數(shù)學(xué)形態(tài)學(xué)的圖像分割方法研究沈陽大學(xué)畢業(yè)設(shè)計（論文）目 錄引言 3 1 圖像分割基本理論 71.1 圖像分割的概念 71.2 傳統(tǒng)的圖像分割方法 91.3 特殊理論工具的圖像分割方法 121.4 圖像分割的評價 13 2 數(shù)學(xué)形態(tài)學(xué)基本理論 162.1 形態(tài)學(xué)的概念 162.2 結(jié)構(gòu)元素的選取 162.3 二值形態(tài)學(xué)理論 182.4 灰值形態(tài)學(xué)理論 202.5 形態(tài)學(xué)重建 212.6 形態(tài)學(xué)邊緣檢測 22 3 Matlab在圖像分割處理中的應(yīng)用 243.1 Matlab簡介 . 243.2 Matlab在圖像處理方面的應(yīng)用 . 243.3 基于Matlab的圖像分割 . 26

2、4 車牌圖像分割的相關(guān)理論研究 284.1 車牌定位算法簡介 284.2 車牌的字符圖像分割 37 5 基于數(shù)學(xué)形態(tài)學(xué)車牌圖像分割 425.1 形態(tài)學(xué)車牌定位 425.2 形態(tài)學(xué)字符圖像分割 535.3 本章小結(jié) 61 結(jié)論 62 致謝 63 參考文獻(xiàn) 64 附錄1 源程序清單 68沈陽大學(xué)畢業(yè)設(shè)計（論文）摘 要本文運用形態(tài)學(xué)方法對車牌定位算法和車牌字符分割算法進(jìn)行了系統(tǒng)的研究。這兩種算法的研究為車牌識別做了先期準(zhǔn)備，是智能交通中非常重要的組成部分。在車牌定位算法部分，提出了一種基于二值面積形態(tài)學(xué)的車牌定位算法。首先將車牌的灰度圖像二值化，然后逐步縮小車牌候選區(qū)的面積，計算車牌圖像中連通區(qū)域的

3、面積，并根據(jù)車牌圖像的實際情況確定面積閾值，并用形態(tài)學(xué)的方法對車牌圖像進(jìn)行處理運算，以實現(xiàn)車牌的精確定位。仿真實驗結(jié)果表明此算法定位精度高，而且能適應(yīng)復(fù)雜天氣環(huán)境，能達(dá)到滿意的定位效果。在字符分割算法部分，對投影分割算法進(jìn)行了改進(jìn)，將其與數(shù)學(xué)形態(tài)學(xué)分割算法進(jìn)行了結(jié)合。首先將車牌圖像二值化，然后用數(shù)學(xué)形態(tài)學(xué)分割方法結(jié)合水平與垂直投影分割方法，確定車牌字符寬和高并校正車牌實際位置，通過兩次投影，校正車牌角度，去除車牌邊框，確定車牌上下邊界及中心點，最后分割提取車牌字符。實驗結(jié)果表明該算法能有效的保持車牌字符邊緣，獲得較好的分割效果。關(guān)鍵詞：圖像分割； 數(shù)學(xué)形態(tài)學(xué)； 車牌定位；字符分割； Matla

4、b沈陽大學(xué)畢業(yè)設(shè)計（論文） No 1AbstractIn this paper,the license plate location algorithm and the license plate character segmentation algorithm based on morphological method are studied systematically. The research of these two algorithm is an important part of intelligence traffic and serves for the first step

5、 of license plate recognition. In license plate location, an algorithm based on two-valued area morphology is presented.Firstly,the gray image of license plate is binary.then the areas of candidate registration is narrowed gradually,the area of regional connectivity is calculated. According to the a

6、ctual situation of license plate determines the area thresholding,and use morphology method processing license plate image, achieve accurate positioning. The simulation results show the algorithm has a high positioning accuracy and adapts to the complex weather and environment, can achieve satisfact

7、ory results.In character segmentation algorithm, the projection algorithm is improve and combined with mathematical morphology segmentation algorithm. Firstly the license plate is binary, then mathematical morphology segmentation algorithm is combined with horizontal and vertical projection segmenta

8、tion method, to determine the license plate character width and the height, and calibrate its location through two times projection.The license plate angle is calibrated, license plate frame are removed,the upper and lower boundaries and the center of licence plate are determined.Finally, the licens

9、e plate character are divisional and extracted Experimental results show the algorithm can remain the license plate character and obtain good segmentation result.Keywords:Image division; mathematics morphology; vehicle plate location; charactersegmentation; Matlab沈陽大學(xué)畢業(yè)設(shè)計（論文） No 2引 言近年來，我國汽車數(shù)量迅猛增加。來

10、自中國汽車工業(yè)協(xié)會的統(tǒng)計顯示，2008年，我國汽車銷售總量為938萬輛，是2005年汽車銷售總量590萬輛的1.59倍。根據(jù)中國汽車工業(yè)協(xié)會預(yù)計，2009年我國汽車市場仍將保持繼續(xù)增長。隨著汽車數(shù)量的逐年遞增，擺在我們面前的是巨大的城市交通壓力。如何高效地進(jìn)行交通管理，越來越成為我們現(xiàn)實生活中的焦點問題。針對此問題，人們運用先進(jìn)的科學(xué)技術(shù)，相繼研制開發(fā)出了各種交通道路監(jiān)視、管理系統(tǒng)，這些系統(tǒng)一般都包括車輛檢測裝置。而車牌的定位和圖像分割技術(shù)正是先進(jìn)的交通檢測系統(tǒng)的一項重要技術(shù)，因為它是車牌識別的前期準(zhǔn)備，而車牌識別是交通管理系統(tǒng)中最為核心的技術(shù)?？梢酝ㄟ^車牌的識別對過往的車輛實施檢測，提取相關(guān)

11、車牌數(shù)據(jù)，用于達(dá)到監(jiān)控、管理和指揮交通的目的。車牌定位就是從包含車牌的圖像中，采用圖像處理技術(shù)定位出車牌區(qū)域的精確位置。在采集到車牌圖像之后，要提高車牌定位的準(zhǔn)確率，只能依靠車牌定位算法的準(zhǔn)確性。為了盡量提高車牌定位算法的準(zhǔn)確率，我們應(yīng)該把圖像采集步驟和車牌定位步驟結(jié)合起來考慮。例如我們應(yīng)該盡量提高采集到圖像的清晰度，減少光照變化對采集圖像的影響，使采集到的圖像的背景盡量簡單，不要包含與汽車牌照類似的區(qū)域。如果現(xiàn)場采集到的圖像中背景比較簡單，車牌區(qū)域占整幅圖像的面積比例較高，圖像中車牌沒有發(fā)生幾何畸變，車牌定位可以采用一步定位法。即直接對圖像中的車牌進(jìn)行搜索，定位出車牌的位置。如果圖像的背景復(fù)

12、雜，車牌又有一定的變形，則采用一步定位方法很難得到車牌的精確邊界。這種情況下，我們一般要采用兩次定位方法，首先設(shè)計算法初步定位出車牌的位置，然后對利用數(shù)學(xué)形態(tài)學(xué)方法對初沈陽大學(xué)畢業(yè)設(shè)計（論文） No 3定位的車牌進(jìn)行二值化、幾何校正等處理。如果初定位得到不止一個車牌區(qū)域，必須對這些區(qū)域進(jìn)行判斷，去除偽車牌。然后對初定位的車牌進(jìn)行二次定位，精確確定車牌的上下邊界和左右邊界，得到車牌的精確定位結(jié)果。圖像分割的研究多年來一直受到人們的高度重視，至今已經(jīng)提出了上千種各類型的分割方法。隨著各學(xué)科的發(fā)展，人們將許多新的理論和方法用于圖像分割中，得到一些新的圖像分割技術(shù)，包括基于數(shù)學(xué)形態(tài)學(xué)的分割方法、基于神

13、經(jīng)網(wǎng)絡(luò)的分割方法、基于小波變換的分割方法、基于分型理論的分割方法、另外，由于成像設(shè)備和技術(shù)的發(fā)展，人們也深入的研究了一些特殊的圖像分割技術(shù)，如三維圖像、彩色圖像、紋理圖像、視頻圖像等分割方法。圖像分割是圖像處理進(jìn)入到圖像分析的關(guān)鍵步驟。對特征提取和目標(biāo)識別有十分重要的影響，本文就數(shù)學(xué)形態(tài)學(xué)的圖像分割方法進(jìn)行了研究和探討。另外，利用數(shù)學(xué)形態(tài)學(xué)技術(shù)進(jìn)行車牌分割還有一個十分顯著的特點，那就是所采用分割算法的好壞直接影響到識別的正確率和識別速度。所以，研究基于數(shù)字圖像處理的車牌分割識別方法，努力提高車牌識別算法的性能具有十分重要的實際意義。數(shù)學(xué)形態(tài)學(xué)是一門建立在嚴(yán)格數(shù)學(xué)理論基礎(chǔ)上，分析研究空間結(jié)構(gòu)的形

14、狀、框架的學(xué)科。它主要以積分幾何、集合代數(shù)及拓?fù)湔摓槔碚摶A(chǔ)，此外還涉及隨機集論、是近代數(shù)和圖論等一系列數(shù)學(xué)分支1。數(shù)學(xué)形態(tài)學(xué)的理論雖然很復(fù)雜，被稱為“驚人的數(shù)學(xué)”，但它的基本思想?yún)s是簡單而完美的。數(shù)學(xué)形態(tài)學(xué)的基于集合的觀點是極其重要的。這意味著它的運算由集合運算(如并、交、補等)來定義，并且所有的圖像都必須以合理的方式轉(zhuǎn)換為集合。這一基于集合觀點的一個自然的結(jié)果是：形態(tài)學(xué)算子的性能主要以幾何方式進(jìn)行刻沈陽大學(xué)畢業(yè)設(shè)計（論文） No 4畫，傳統(tǒng)的理論卻以解析的方式來描述，而幾何描述的特點似乎更適合視覺信息的處理和分析。最基本的形態(tài)學(xué)算子有：膨脹、腐蝕、開、閉。用這些算子及其組合來進(jìn)行圖像形狀和

15、結(jié)構(gòu)的分析及處理，可以解決抑制噪聲、特征提取、邊緣檢測、形狀識別、紋理分析、圖像恢復(fù)與重建等方面的問題。從形態(tài)學(xué)圖像處理的基本思想不難看出，它有其獨有的特性。它反映的是一幅圖像中像素點間的邏輯關(guān)系，而不是簡單的數(shù)值關(guān)系。它是一種非線性的圖像處理方法，并且具有不可逆性。它還可以并行實現(xiàn)，并可以用來描述和定義圖像的各種集合參數(shù)和特征?；跀?shù)學(xué)形態(tài)學(xué)的方法對車牌圖像進(jìn)行分割是使用一定的結(jié)構(gòu)元素，利用數(shù)學(xué)形態(tài)學(xué)中的開運算與閉運算來對圖像進(jìn)行處理，得到多個可能是車牌的區(qū)域，然后在處理后的圖像中用多區(qū)域判別法在多個可能是車牌的區(qū)域中找到車牌的正確的位置。字符分割的方法主要有基于車牌字符特征的投影法和基于聚

16、類分析的車牌字符分割方法以及氣泡法等。投影法首先計算牌照字符的垂直投影，利用投影直方圖得到一個閾值，然后再結(jié)合車牌字符固定寬度、間距的比例關(guān)系等先驗知識來分割字符?；诰垲惙治龅能嚺谱址指罘椒ò凑諏儆谕粋€字符的像素構(gòu)成了一個連通域的原則，再結(jié)合牌照的先驗知識來進(jìn)行字符分割。氣泡法是一種適用于二值圖像的區(qū)域增長法。它把一幅圖像分成許多小區(qū)域，這些初始的區(qū)域可能是小的鄰域甚至是單個像素。在每個區(qū)域中，對經(jīng)過適當(dāng)定義能反映一個物體內(nèi)成員隸屬程度的性質(zhì)(度量)進(jìn)行計算。首先給每個區(qū)域一組參數(shù)來反映這些區(qū)域分別屬于哪個物體。接下來對相鄰區(qū)域的所有邊界進(jìn)行考查，相鄰區(qū)域的平均度量之間的差異是計算邊界強

17、度的一個沈陽大學(xué)畢業(yè)設(shè)計（論文） No 5尺度，經(jīng)過反復(fù)迭代，每一步都重新計算被擴大區(qū)域的物體成員的隸屬關(guān)系，并消除弱邊界，當(dāng)沒有可以消除的弱邊界時，區(qū)域合并的過程結(jié)束。本文所做的主要工作如下：(1).研究了用于車牌圖像分割的基礎(chǔ)理論，如數(shù)字圖像處理、數(shù)學(xué)形態(tài)學(xué)等;重點研究了數(shù)學(xué)形態(tài)學(xué)圖像分割算法，包括圖像的二值化、灰度變換增強、圖像邊緣檢測等。(2).查閱了大量文獻(xiàn)和資料，在研究近年來一些典型車牌圖像分割算法的基礎(chǔ)上，確定利用數(shù)學(xué)形態(tài)學(xué)進(jìn)行車牌圖像分割。(3).對文中的車牌圖形定位和分割算法在Matlab下進(jìn)行編程實現(xiàn)，并進(jìn)行了仿真，并對實驗和結(jié)果進(jìn)行分析。沈陽大學(xué)畢業(yè)設(shè)計（論文） No 6

18、1 圖像分割基本理論1.1 圖像分割的概念圖像技術(shù)在廣義上是對各種與圖像有關(guān)技術(shù)的總稱。圖像技術(shù)的種類很多，跨度很大，但可以將它們歸在一個整體的框架圖像工程之下。根據(jù)抽象程度和研究方法的不同，圖像工程可分為三個層次：圖像處理，圖像分析，圖像理解。圖像處理著重強調(diào)在圖像之間進(jìn)行變換以改善圖像的視覺效果。圖像分析則主要是對圖像的描述。圖像理解的重點是在圖像分析的基礎(chǔ)上，進(jìn)一步研究圖像中各個目標(biāo)的性質(zhì)和他們之間的相互關(guān)系，并得出對原始圖像或客觀場景的解釋，從而指導(dǎo)規(guī)劃行動。圖像處理，圖像分析和圖像理解具有不同的操作對象，圖像處理是比較低層次的操作，它主要在圖像像素級上進(jìn)行處理。圖像分析則進(jìn)入到了中層

19、，側(cè)重于對像素集合目標(biāo)的表達(dá)測量描述。圖像理解主要是高層操作，基本上是對從描述中抽象出來的數(shù)據(jù)符號進(jìn)行運算推理。在對象的研究和應(yīng)用中，人們往往僅對圖像中的某些部分感興趣。這些部分常稱為目標(biāo)或前景（其他部分稱為背景），他們一般對應(yīng)圖像中特定的、具有獨特性質(zhì)的區(qū)域。為了辨識和分析目標(biāo)，需要將它們分離提取出來，在此基礎(chǔ)上才有可能對目標(biāo)進(jìn)一步利用。圖像分割就是把圖像分成各具特性的區(qū)域并提取出感興趣目標(biāo)的技術(shù)和過程。這里的特性可以是像素的灰度，顏色，紋理等，預(yù)先對應(yīng)的目標(biāo)可以是單個區(qū)域，也可以是多個區(qū)域。多年來人們對圖像分割提出了不同的解釋和表達(dá)，可以借助集合的概念對圖像分割給出比較正式的定義2：令集合

20、R代表整個圖像區(qū)域，對R的分割可以看作將R分成N個滿足以沈陽大學(xué)畢業(yè)設(shè)計（論文） No 7下五個條件的非空子集（子區(qū)域）R1，R2，Rn(1). Ri=R；i=1N(2).對所有的i和j，ij,有Ri Rj=；(3).對i=1,2，N，有P(Ri)=TURE；(4).對ij，有P(Ri Rj)=FALSE；(5).對i=1,2，N，Ri是連通的區(qū)域。 （1-1）式中：P(Ri)-對所有在集合Ri中元素的邏輯謂詞；-空集。條件1指出在對一幅圖像分割結(jié)果中全部子區(qū)域的總和（并集）應(yīng)能包括圖像中的所有像素（就是原圖像）或者說分割應(yīng)將圖像中每個像素都分進(jìn)某一個子區(qū)域中；條件2指出再分割結(jié)果中各個子區(qū)域

21、是互不重疊的，或者說再分割結(jié)果中一個像素不能同時屬于兩個區(qū)域；條件3指出在分割結(jié)果中每個子區(qū)域都有獨特的特性，或者說屬于同一個區(qū)域中的像素應(yīng)該具有某些相同特性；條件4指出在分割結(jié)果中，不同的子區(qū)域具有不同的特性，沒有公共元素，或者說屬于不同區(qū)域的像素應(yīng)該具有一些不同的特性；條件5要求分割結(jié)果中同一子區(qū)域內(nèi)的像素應(yīng)當(dāng)是連通的，即同一個子區(qū)域內(nèi)的任兩個像素在該子區(qū)域內(nèi)互相連通，或者說分割得到的區(qū)域是一個連通的組元。另外，上述這些條件不僅定義了分割，也對分割有指導(dǎo)作用。對圖像的分割總是根據(jù)一些分割準(zhǔn)則進(jìn)行的。條件1和條件2說明正確的分割準(zhǔn)則應(yīng)可適用于所有區(qū)域和所有像素，而條件3和條件4說明合理的分割

22、準(zhǔn)則應(yīng)能幫助確定各區(qū)域像素有代表性的特性，條件5說明完整的分割準(zhǔn)則應(yīng)直接或間沈陽大學(xué)畢業(yè)設(shè)計（論文） No 8接地對區(qū)域內(nèi)像素的連通性有一定的要求或限定。需要指出的是，實際應(yīng)用中圖像分割不僅要把一幅圖像分成滿足以上五個條件的各具特性的區(qū)域，而且需要把其中感興趣的目標(biāo)區(qū)域提取出來，只有這樣才算是真正的完成了圖像分割任務(wù)。在圖像工程中，圖像分割是由圖像處理過渡到圖像分析的關(guān)鍵步驟：一方面，它是目標(biāo)表達(dá)的基礎(chǔ)，對特征測量有重要影響；另一方面，因為圖像分割及其基于分割的目標(biāo)表達(dá)、特征提取和參數(shù)測量等將原始圖像轉(zhuǎn)化為更抽象更緊湊的形式，使得更高層的圖像分析和理解成為可能。圖像分割在實際中已得到廣泛的應(yīng)用

23、，例如在工業(yè)自動化，在線產(chǎn)品檢測，生產(chǎn)過程控制，文檔圖像處理，遙感和生物醫(yī)學(xué)圖像分析，保安監(jiān)視，以及軍事，體育，農(nóng)業(yè)工程等方面。概括來說，在各種圖像應(yīng)用中，只要需對圖像目標(biāo)進(jìn)行提取，測量等都離不開圖像分割。可見，圖像分割在圖像工程中有著十分重要的地位和影響。1.2 傳統(tǒng)的圖像分割方法基于邊界的分割方法是利用不同區(qū)域間像素灰度不連續(xù)的特點檢測出區(qū)域間的邊緣，從而實現(xiàn)圖像分割。邊緣檢測是所有基于邊界分割方法的第一步，根據(jù)處理的順序，邊緣檢測可分為并行邊緣檢測和串行邊緣檢測。圖像中相鄰的不同區(qū)域間總存在邊緣，邊緣處像素的灰度值不連續(xù)，這種不連續(xù)性可通過求導(dǎo)數(shù)來檢測到。對于階躍狀邊緣，其位置對應(yīng)一階導(dǎo)

24、數(shù)的極值點，對應(yīng)二階導(dǎo)數(shù)的過零點(零交叉點)。因此常用微分算子進(jìn)行邊緣檢測，它是一種并行邊界技術(shù)。常用的一階微分算子有Roberts、Prewit、和Sobel算子、二沈陽大學(xué)畢業(yè)設(shè)計（論文） No 9階微分算子有Laplace和Kirsh算子等。在實際中各種微分算子常用小區(qū)域模板來表求，微分運算是利用模板與圖像卷積來實現(xiàn)。這些算子對噪聲敏感，只適合于噪聲較小不太復(fù)雜的圖像。由于邊緣和噪聲都是灰度不連續(xù)點，在頻域均為高頻分量，直接采用微分運算難以克服噪聲的影響。因此用微分算子檢測邊緣前要對圖像進(jìn)行平滑濾波。Log算子和Canny算子是具有平滑功能的二階和一階微分算子，邊緣檢測效果較好。其中Lo

25、g算子是采用Laplacian算子求高斯函數(shù)的二階導(dǎo)數(shù)。Canny算子是高斯函數(shù)的一階導(dǎo)數(shù)，它在噪聲抑制和邊緣檢測之間取得了較好的平衡。串行邊界查找法是先檢測邊緣再串行連接成閉合邊界的方法，這種方法在很大程度上受起始點的影響。圖搜索是其中一種典型的方法，邊界點和邊界段可以用圖結(jié)構(gòu)表示。通過在圖中進(jìn)行搜索對應(yīng)最小代價的路徑可以找到閉合邊界，它是一種全局的方法。在噪聲較大時效果仍很好，但這種方法比較復(fù)雜，計算量也很大。在許多情況下，為加快運算速度常常使用動態(tài)規(guī)劃的優(yōu)化方法，它是借助有關(guān)具體問題的啟發(fā)性知識減少搜索，只求次優(yōu)解的方法。閾值分割方法的歷史可追溯到近40年前，現(xiàn)己提出了大量算法，對灰度圖

26、像的閾值分割就是先確定一個處于圖像灰度取值范圍之中的灰度閾值，然后將圖像中各個像素的灰度值都與這個閾值相比較，并根據(jù)比較結(jié)果將對應(yīng)的像素分為兩類。這兩類像素一般分屬圖像的兩類區(qū)域，從而達(dá)到分割的目的。從該方法中可以看出，確定一個最優(yōu)閾值是分割的關(guān)鍵。現(xiàn)有的大部分算法都是集中在閾值確定的研究上。閾值分割方法根據(jù)圖像本身的特點，可分為單閾值分割方法和多閾值分割方法；也可分為基于像素值的閾值分割方沈陽大學(xué)畢業(yè)設(shè)計（論文） No 10法、基于區(qū)域性質(zhì)的閾值分割方法和基于坐標(biāo)位置的閾值分割方法。若根據(jù)分割算法所有的特征或準(zhǔn)則，還可以分為直方圖與直方圖變換法、最大類間方差法、最小誤差法與均勻化誤差法、共生

27、矩陣法、最大熵法、簡單統(tǒng)計法與局部特性法、概率松弛法、模糊集法、特征空間聚類法、基于過渡區(qū)的閾值選取法等。閾值分割的優(yōu)點是計算簡單，運算效率較高，速度快。全局閾值對于灰度相差很大的不同目標(biāo)和背景能進(jìn)行有效的分割。當(dāng)圖像的灰度差異不明顯或不同目標(biāo)的灰度值范圍有重疊時，應(yīng)采用局部閾值或動態(tài)閾值分割法。另一方面這種方法只考慮像素本身的灰度值，一般不考慮空間特征，因而對噪聲很敏感。在實際應(yīng)用中，閾值法通常與其他方法結(jié)合使用。區(qū)域分割的實質(zhì)就是把具有某種相似性質(zhì)的像素連通起來，從而構(gòu)成最終的分割區(qū)域。它利用了圖像的局部空間信息，可有效的克服其它方法存在的圖像分割空間不連續(xù)的缺點，但它通常會造成圖像的過度

28、分割。在此類方法中，如果從全圖出發(fā)，按區(qū)域?qū)傩蕴卣饕恢碌臏?zhǔn)則，決定每個像元的區(qū)域歸屬，形成區(qū)域圖，這常稱之為區(qū)域生長的分割方法；如果從像元出發(fā)，按區(qū)域?qū)傩蕴卣饕恢碌臏?zhǔn)則，將屬性接近的連通像元聚集為區(qū)域是區(qū)域增長的分割方法；若綜合利用上述兩種方法，就成為分裂一合并的方法。區(qū)域生長法的基本思想是將具有相似性質(zhì)的像素合起來構(gòu)成區(qū)域，具體做法是先給定圖像中要分割的目標(biāo)物體內(nèi)的一個小塊或者說種子區(qū)域，再在種子區(qū)域的基礎(chǔ)上不斷將其周圍的像素點以一定的規(guī)則加入其中，達(dá)到最終將代表該物體的所有像素點結(jié)合成一個區(qū)域的目的，該方法的關(guān)鍵是要選擇合適的生長或相似準(zhǔn)則。生長準(zhǔn)則一般可分為3種：基于區(qū)域灰度差準(zhǔn)則、基于

29、區(qū)域內(nèi)灰度沈陽大學(xué)畢業(yè)設(shè)計（論文） No 11分布統(tǒng)計性質(zhì)準(zhǔn)則和基于區(qū)域形狀準(zhǔn)則。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)計和算法的高效性。生長準(zhǔn)則往往和具體問題有關(guān)，直接影響最后形成的區(qū)域，如果選取不當(dāng)，就會造成過分割和欠分割的現(xiàn)象。區(qū)域生長法的優(yōu)點是計算簡單，對于較均勻的連通目標(biāo)有較好的分割效果。它的缺點是需要人為確定種子點，對噪聲敏感，可能導(dǎo)致區(qū)域內(nèi)有空洞。另外，它是一種串行算法，當(dāng)目標(biāo)較大時，分割速度較慢。因此在設(shè)計算法時，要盡量提高效率。分裂合并法是先將圖像看成很多的一致性較強的小區(qū)域，再按一定的規(guī)則將小區(qū)域融合成大區(qū)域，達(dá)到分割圖像的目的。分裂合并法的基本思想是從整幅圖像開始通

30、過不斷分裂合并得到各個區(qū)域。分裂合并法的關(guān)鍵是分裂合并準(zhǔn)則的設(shè)計。這種方法對復(fù)雜圖像的分割效果較好，但算法較復(fù)雜，計算量大，分裂還可能破壞區(qū)域的邊界。1.3 特殊理論工具的圖像分割方法圖像分割至今為止尚無通用的自身理論。近年來，隨著各學(xué)科許多新理論和新方法的提出，人們也提出了許多與一些特定理論、方法和工具相結(jié)合的分割技術(shù)。(1).基于數(shù)學(xué)形態(tài)學(xué)的分割技術(shù)。其基本思想是用具有一定形態(tài)的結(jié)構(gòu)元素去量度和提取圖像中的對應(yīng)形狀以達(dá)到對圖像分析和識別的目的。如基于圖像最大內(nèi)切圓的數(shù)學(xué)形態(tài)學(xué)形狀描述圖像分割算法和基于目標(biāo)最小閉包結(jié)構(gòu)元素的數(shù)學(xué)形態(tài)學(xué)形狀描述圖像分割算法、分水嶺區(qū)域分割法和聚類快速分割法等。

31、由于形態(tài)學(xué)對圖像分割具有優(yōu)異的特性，使其在未來的圖像分割中起主導(dǎo)作用。但該方法的主要缺陷還不能很好地解決耗時問題，將其與一沈陽大學(xué)畢業(yè)設(shè)計（論文） No 12些節(jié)約時間的措施結(jié)合起來，是圖像分割的一種趨勢。(2).基于模糊技術(shù)的圖像分割方法?；谀：虾瓦壿嫷姆指罘椒ㄊ且阅：龜?shù)學(xué)為基礎(chǔ)，利用隸屬解決圖像中由于信息不全面、不準(zhǔn)確、含糊、矛盾等造成的不確定性問題，該方法在醫(yī)學(xué)圖像分析中有廣泛的應(yīng)用。(3).基于人工神經(jīng)網(wǎng)絡(luò)技術(shù)的圖像分割方法?；谏窠?jīng)網(wǎng)絡(luò)的分割方法的基本思想是通過訓(xùn)練多層感知機來得到線性決策函數(shù)，然后用決策函數(shù)對像素進(jìn)行分類來達(dá)到分割的目的。近年來，還出現(xiàn)了人工神經(jīng)網(wǎng)絡(luò)技術(shù)和模糊

32、技術(shù)結(jié)合應(yīng)用于圖像分割中的方法。(4).遺傳算法在圖像分割中的應(yīng)用。遺傳算法是基于進(jìn)化論自然選擇機制的、并行的、統(tǒng)計的、隨機化搜索方法。(5).基于小波分析和變換的分割技術(shù)，是一種多尺度多通道分析工具，比較適合對圖像進(jìn)行多尺度的邊緣檢測。1.4 圖像分割的評價分析各種圖像分割方法可以發(fā)現(xiàn)以下幾方面:(1).分割的圖像區(qū)域應(yīng)具有同質(zhì)性，它們分割圖像的基本依據(jù)和條件有以下如灰度級別相近、紋理相似等。(2).區(qū)域內(nèi)部平整，不存在很小的小空洞。(3).相鄰區(qū)域之間對選定的某種同質(zhì)判據(jù)而言，應(yīng)存在顯著差異性。(4).每個分割區(qū)域邊界應(yīng)具有齊整性和空間位置的準(zhǔn)確性?，F(xiàn)有的大多數(shù)圖像分割方法只是部分滿足上述

33、判據(jù)。如果加強分割區(qū)域的同性質(zhì)約束，分割區(qū)域很容易產(chǎn)生大量小空洞和不規(guī)整邊緣；若強調(diào)不同沈陽大學(xué)畢業(yè)設(shè)計（論文） No 13區(qū)域間性質(zhì)差異的顯著性，則極易造成非同質(zhì)區(qū)域的合并和有意義的邊界丟失。不同的圖像分割方法總有在各種約束條件之間找到適當(dāng)?shù)钠胶恻c。圖像分割評價對于指導(dǎo)分割任務(wù)具有極為重要的意義。通過對圖像分割算法的對比評價，可以幫助針對特定的分割任務(wù)選擇最優(yōu)的分割算法；通過對分割結(jié)果進(jìn)行評價，可以進(jìn)一步分析所選算法的有效性，或評判新的圖像分割算法的分割性能。圖像分割評價可以使用主觀評價與客觀評價，主觀評價易受到觀察者的主觀因素影響，且不易量化，不易被計算機自動運算?？陀^評價方法需要定義合適

34、參數(shù)，客觀性強，便于量化計算，但參數(shù)的定義往往針對具體問題， 目前還沒有統(tǒng)一的量化標(biāo)準(zhǔn)。把圖像分割評價方法分為三類：分析方法，經(jīng)驗好壞方法，經(jīng)驗差異度方法。其中分析方法主要對算法本身進(jìn)行參數(shù)分析，如算法復(fù)雜度等，復(fù)雜度越大說明算法運算時間越長，算法越差。經(jīng)驗好壞評價方法不需要客觀分割結(jié)果，使用區(qū)域非均勻性、熵等參數(shù)評價分割結(jié)果的好壞。經(jīng)驗差異度方法需要客觀真實的分割結(jié)果作為參照進(jìn)行評價，所涉及的參數(shù)衡量的是實際分割結(jié)果與理想分割結(jié)果的“差異”，常見的差異度參數(shù)有最終測量精度、錯分概率、變形率等。經(jīng)驗好壞的評價未使用參考圖像，其結(jié)果受不同圖像的影響較大。經(jīng)驗差異度是一種經(jīng)常使用的客觀評價方法，但

35、客觀真實分割結(jié)果一般由人工分割得到，本身具有一定的主觀性且工作量較大，差異度參數(shù)的構(gòu)造往往也是局限于某類圖像的評價。提出一種包含性能分析、圖像合成、算法測試三個模塊的分割評價框架，該框架可用于評價大多數(shù)分割算法，并有助于選擇合適的圖像分割方法。盡管已經(jīng)提出了許多沈陽大學(xué)畢業(yè)設(shè)計（論文） No 14圖像分割評價算法，圖像分割的研究仍缺乏可靠的、通用的評價手段，仍需要新的圖像分割評價框架、評價指標(biāo)的研究。沈陽大學(xué)畢業(yè)設(shè)計（論文） No 152 數(shù)學(xué)形態(tài)學(xué)基本理論2.1 形態(tài)學(xué)的概念從科學(xué)的角度來說，形態(tài)學(xué)指的是形狀和結(jié)構(gòu)的科學(xué)。在圖像處理中，形態(tài)學(xué)是分析圖像中內(nèi)在幾何結(jié)構(gòu)的方法。通過使用一定形狀和

36、尺寸的結(jié)構(gòu)元素，形態(tài)學(xué)運算可以把圖像中形狀和尺寸與結(jié)構(gòu)元素相似的幾何特征保留下來，把其余的特征濾除3。從應(yīng)用的角度來說，形態(tài)學(xué)運算可以用于許多方面，包括邊緣檢測，圖像分割，圖像增強等等。本章的主要內(nèi)容是對本文所涉及的主要理論-數(shù)學(xué)形態(tài)學(xué)進(jìn)行介紹，首先從二值形態(tài)學(xué)入手，然后研究灰值形態(tài)學(xué)算法，最后研究形態(tài)學(xué)重構(gòu)和形態(tài)學(xué)邊緣檢測。2.2 結(jié)構(gòu)元素的選取數(shù)學(xué)形態(tài)學(xué)最大的特點就是通過引入結(jié)構(gòu)元素，使得對各種復(fù)雜的圖像操作轉(zhuǎn)換為對結(jié)構(gòu)元素進(jìn)行的簡單集合運算。所謂結(jié)構(gòu)元素，即具有一定尺寸的背景圖像。通過將輸入圖像與結(jié)構(gòu)元素進(jìn)行的各種數(shù)學(xué)形態(tài)學(xué)運算，可實現(xiàn)對輸入圖像的數(shù)學(xué)形態(tài)學(xué)變換。依據(jù)集合的維數(shù)可將結(jié)構(gòu)元素分為兩類，即二值結(jié)構(gòu)元素和灰值結(jié)構(gòu)元素。二值結(jié)構(gòu)元素是一個只包含0或1的二維集合，而灰值結(jié)構(gòu)元素則是一個分布于二維空間的連續(xù)函數(shù)，在圖像處理中常被離散化為一個有限大小的窗口結(jié)構(gòu)，且每個位置都被賦予一定的值。結(jié)構(gòu)元素按其幾何形狀不同又可分為線狀、方形等多類。使用原點不位于結(jié)構(gòu)元素中心的，所進(jìn)行的腐蝕和膨脹運算均為單側(cè)運沈陽大學(xué)畢業(yè)設(shè)計（論文） No 16算，當(dāng)原點位置位于結(jié)構(gòu)元素中心偏左的位置時，將使得腐蝕之后對象的中心向左偏移，膨脹之后對象的中心位置向右偏移。當(dāng)