论文部分内容阅读
图像分割是一种重要的图像分析技术。在图像的研究和应用中,研究人员往往仅对图像中某些部分感兴趣,这些部分常称为目标或前景(其他部分称为背景),一般对应图像中特定的、具有独特性质的区域。图像分割是计算机视觉研究中最基本的处理步骤和关键技术,是目标识别、图像理解的基础,分割结果的好坏直接影响其后续的识别和理解,因此人们一直在不断地探索新的分割算法和分割理论。本文对基于过渡区的图像分割技术进行了比较深入的研究,重点研究了直接提取过渡区的非梯度方法。提出基于方向信息测度的多尺度图像过渡区提取与分割方法;基于邻域一致性测度图像过渡区提取与分割方法以及基于模糊熵区域非一致性测度图像过渡区的提取与分割方法。分割方法抗噪声性能的本质在于测度对灰度值的变化不敏感,三种方法都具有较好的图像过渡区提取与分割性能和很好的抗噪声性能。模糊熵的引入,使模糊熵区域非一致性方法的混合噪声滤除效果更好。当图像含有多类目标时,图像过渡区直方图表现为多峰分布,每个峰对应一个分割区域。本文使用基于势函数聚类的多阈值图像分割算法,检测过渡区直方图的相邻划分势函数组,其曲线的交点即为分割阈值,然后使用差异度与代价函数决定最优类别个数及阈值。算法简单,得到的阈值准确、稳定,运算速度较快、实时性强,较好地解决了基于过渡区的图像分割方法中的多阈值分割问题。由于均值滤波和中值滤波算法本身的局限性,当图像同时受到高斯噪声和脉冲噪声污染时,此时采用单一的均值滤波或中值滤波算法滤除噪声效果都不理想。因此,本文提出一种基于区域分类的白适应混合滤波方法,利用邻域一致性测度把图像分成不同区域,并对不同区域采取不同的滤波方法,这样既保持了均值滤波算法对高斯噪声有良好滤噪能力的特性,又兼顾了中值滤波算法对图像细节有良好保持特性的优点。纹理图像是以纹理特性为主导特性的图像。纹理图像在局部内呈现不规则性,而在整体上表现出某种统计规律性。纹理表现是一种区域特性,因此纹理必然要在图像的某个区域上才能反映或测量。仅利用像素的灰度级信息并不能将其中的不同区域分割开,本文提出了基于单演相位的纹理图像分割方法。根据不同纹理之间单演相位信息的不同分布,提取特征图像。这种方法对于不同纹理之间及纹理与物体之间有很好的特征描述,取得较好的分割效果。X射线检测图像是焊缝缺陷分析和质量评定的重要依据。传统的方法是利用阶跃边缘和屋脊边缘进行圆形和条形缺陷分割,本文提出基于过渡区多尺度工业X光图像焊缝缺陷分割算法。在不同的尺度下,可以检测不同缺陷大小,通过支持向量机方法将焊缝缺陷划分为圆形和条形缺陷两类,同时对缺陷裂纹、气孔、夹渣和未焊透进行识别。