图像分割是图像分析,模式识别和图像理解中的一项极具挑战性的基础性工作,分割结果的精确性直接影响到后续任务的有效性,因此在图像处理中具有非常重要的意义。然而,在图像的采集过程中,由于非均匀光照条件或点光源照射等因素影响,导致图像的灰度不均匀而产生背景噪声。如夜间图像和红外图像等图像的整体灰度值偏低,以及照片曝光不足或逆光导致图像中的局部灰度值偏低,导致局部信息无法分辨。这种光照不均匀在一定程度上改变了图像的原始面貌,增加了图像分割及后续图像处理的难度,因此对于非均匀光照图像的分割一般都要进行前期预处理。本文针对目前有关非均匀光照图像灰度校正与分割的基本问题,提出了一些新的参考方法和改进的应用策略,主要创新点有:1.针对非均匀光照图像的直方图不具备明显的双峰问题提出了光照鲁棒的小波域灰度拉升与快速的阈值化分割方法。首先利用小波分析技术,在图像的小波域上利用Otsu分割原理进行图像的灰度拉升和对比度增强;然后针对二维阈值分割时假设远离对角线区域的数值为0而降低了分割精度的缺陷,以及采用的Shannon熵因为具有非广延性而忽略了两个子系统之间的相互作用的影响,结合Tsallis交叉熵的非广延性特征,改进了图像的二维直方图并对其进行预先聚类减少阈值分割的数据量;最后利用粒子群优化算法,实现了最佳分割阈值的快速求解。2.对于图像灰度不均匀场的建模分析与校正中,研究了非均匀光照的表示模型,采用了Retinex模型和基函数表示非均匀光照的思想,利用曲面拟合与表示的数学方法,用正交基函数的线性组合来表示非均匀光照,从而建立了非均匀光照场的表示模型和快速的参数求解方法,实现了基于能量最小化方法的光照非均匀图像的自适应校正,可以对图像在分割前进行有效的预处理。3.在基于PCNN方法的图像分割中,首先针对非均匀光照环境的特性实现自适应确定PCNN模型的部分参数,充分考虑人眼的视觉特性,利用像素的对比度设置模型中的内部活动项连接强度??值、像素邻域信息的相关性确定连接矩阵??的值,不仅考虑了像素之间的距离因素,还结合了像素间的灰度差异,其次充分考虑了图像的空间结构性上的几何信息而采用了以图像的区域互信息熵作为PCNN分割方法迭代终止条件的判决依据,从而提出了光照鲁棒的参数自适应确定的PCNN图像分割,解决了传统PCNN方法对于非均匀光照导致的灰度不均匀图像分割效果不好的问题。4.提出了同步估计非均匀光照的FCM图像分割方法。针对图像信息的模糊性和非均匀光照的不利影响,在传统的FCM模糊聚类分割方法中,将图像非均匀光照的表示模型引入到FCM的目标函数中,利用迭代求解方法可以同步获取图像的非均匀光照估计信息和图像的模糊聚类分割结果。算法同时考虑了图像中的普通噪声和非均匀光照造成的背景噪声影响。5.在非均匀光照影响较大的彩色细胞图像的分割中,提出了光照鲁棒的基于主成分分析的分割方法。算法结合主成分分析良好的空间变换和数据降维性能对图像的RGB空间数据进行主成分分析并根据各自的贡献度选择一个或两个主成分分量进行各自的分割并合成得到最终的彩色细胞图像的分割结果。其中对第一主成分分量利用基于基函数表示的能量最小化方法进行分割并同步估计非均匀光照影响,如果同时选择了第二主成分则直接利用改进的PCNN分割方法,并将分割所获得的结果和第一分量的分割结果进行合成。算法有效实现了非均匀光照影响下的彩色细胞图像的分割。