采用基于区域的自动种子区域生长法的彩色图像分割方法

摘要

本文在传统的种子区域生长方法的基础上，将分水岭算法和种子区域生长算法相结合，提出了一种基于区域的自动种子区域生长的彩色图像分割方法。 首先，将彩色图像从RGB空间转换到HSI彩色空间，使用色调和饱和度来计算区域之间的差异。在此基础上，使用抖动处理来减少彩色图像中的颜色数目，并利用中值滤波等方法做去噪声处理。 然后，使用分水岭算法实现对图像的初始分割。由于传统的分水岭算法在对彩色图像分割时，常常会出现过度分割的现象，以这些过分割的区域为基础进行种子区域生长。和传统的种子生长方法不同，本算法使用分水岭算法形成的区域作为初始种子区域。 在选择种子区域时，需要考虑两个方面：首先被选为种子的区域必须和它的邻接区域有较高的相似度，换言之，种子区域应该能代表所期望得到的结果区域的属性；另外，要求一个区域和它的邻居区域的相对欧式距离的最大值小于一个阈值。 在区域生长阶段，从选取的种子区域出发，逐步将非种子区域划分到种子区域中。由于在种子区域选取过程中，有可能在所期望的结果区域中选出多个种子区域，这样会造成过分割的效果，为此我们还要进一步的进行区域合并。 最后，将根据两条规则进行区域合并，最终实现彩色图像的分割。 相对于传统的种子区域生长算法，本文在种子选择和区域生长步骤中使用区域代替像素，从算法时间复杂度的角度来说算法效率有较大提高；另一方面，由于区域所携带的图像信息远高于像素所携带的图像信息，所以使用区域做为种子更能代表所期望得到的结果区域。也能取得更好的分割效果。实验结果证明，本文的算法在彩色图像分割上取得了较好的效果。

目录

文摘

英文文摘

声明

第一章绪论

1.1图像处理概述

1.1.1图像

1.1.2图像处理

1.2数字图像处理技术

1.3图像分割

1.3.1定义

1.3.2研究意义

1.4论文的选题和研究意义

1.5本文的主要工作及内容安排

第二章彩色图像分割的研究

2.1引言

2.2彩色空间

2.2.1 RGB彩色空间

2.2.2由RGB空间线性变换得到的空间

2.2.3由RGB空间非线性变换得到的空间

2.3彩色图像分割方法

2.3.1直方图阈值法

2.3.2特征空间聚类

2.3.3基于区域的方法

2.3.4边缘检测

2.3.5模糊方法

2.3.6人工神经网络

2.3.7基于物理模型的方法

第三章种子区域生长法与分水岭算法

3.1种子区域生长法的基本原理及发展现状

3.2分水岭算法

3.2.1分水岭算法发展简介

3.2.2分水岭算法基本原理及分类

3.2.3分水岭算法的描述

3.2.4分水岭算法实验结果及分析

第四章基于区域的种子区域生长法

4.1算法概述

4.2预处理步骤

4.2.1抖动处理

4.2.2中值滤波去噪声

4.3种子区域的自动选取

4.3.1区域关系矩阵

4.3.2种子区域的自动选取

4.4区域生长

4.5区域合并

4.6实验结果及结论

第五章总结与展望

5.1总结

5.2展望

参考文献

致谢

在学期间公开发表论文及著作情况