论文部分内容阅读
图像分割是图像识别与理解中的关键步骤之一,图像分割质量的好坏将直接影响图像识别与理解的结果。近年来,在图像处理和计算机视觉领域中,符合人眼视觉模型的多分辨率技术日益受到人们的重视。在图像分割研究中,基于人类视觉感知特性的图像分割方法亦是一个重要的研究方向。具有“数学显微镜”美誉的小波分析,被认为是目前能够模拟人眼感知方向性和多尺度特性的最佳数学工具。
本文在对图像分割进行综合研究的基础上,充分利用小波变换的多分辨率分析方法和小波变换的特殊性质,提出了一种基于小波分析的自适应多阈值图像分割方法以及基于该方法的两种图像分割组合算法。
首先,针对图像直方图中的毛刺现象,提出了一种基于条件滤波的直方图修正方法。该方法以低通滤波为基础,以直方图中相邻位置点的关系为条件,对直方图进行基于条件的滤波修正。实验结果表明,该方法能够消除直方图中大量的虚假阈值点,且保证有意义阈值点的位置与值不变。
其次,通过分析直方图小波变换系数的特点,并改进最小距离准则,得出了不同分解尺度下图像分割阈值的定位方法。该过程还给出了直方图小波变换中小波的选取原则与确定小波变换最佳分解尺度的思路。
最后,有机地将本文的直方图小波变换法分别与迭代阈值法和Otsu法相结合,提出了两种基于组合算法的图像分割阈值搜索定位策略。组合算法不仅能够实现多阈值的自适应选取,还明确了不同类别之间的差别,提高了阈值的定位精度,同时减少了迭代阈值法与Otsu法的计算量。
本文的方法由于采用了由粗到精的多尺度阈值技术以及基于组合算法的阈值搜索定位策略,因此它比传统的Olivo阈值分割方法更加灵活有效。基于迭代阈值法的组合算法对图像背景噪声不敏感,而基于Otsu法的组合算法则可更好地区分图像中不同区域的细微差别。通过实验,本文的方法取得了较为满意的结果,验证了它们的优越性和有效性。