图像分割是数字图像处理近些年来大家研究的热点问题,尤其是在图像理解、成像目标的识别与跟踪、机器人视觉中是一项关键技术。分割结果的好坏,对视觉系统的性能影响较大。图像滤波恢复技术是数字图像预处理的重要环节,对图像滤波的好坏,直接影响滤波后分割的精度。图像成像过程中各种因素的影响,人们事先很难精确了解成像过程中信息丢失的情况,使得图像处理过程中都带有一定的相似性和不确定性。而模糊集合论及由此而发展起来的模糊信息处理技术,对处理带有模糊不确定性的事件及对不精确知识的描述与处理方面都具有得天独厚的优势。 基于以上原因,本文研究了以模糊信息处理技术为基础的图像滤波算法和分割算法,提出了一些新的思想和想法。论文主要内容安排如下: 本文首先从图像的滤波开始。在充分分析了当前滤波技术的研究成果和现状后,提出了一种新的基于局部统计阈值的混合滤波算法。该算法利用局部阈值把图像像素信号区分为高斯噪声点和脉冲噪声点,然后分别利用不同的方法滤波。既能发挥均值滤波算法对高斯噪声良好的去噪能力,又兼顾了中值滤波算法对冲击噪声的优良滤波性能。为了在滤波的同时更好的保护图像本身的细节,增加了新的噪声点检测规则。算法结构简单,易于实现。 模糊散度分割方法是近些年出现的一种新的图像分割算法,其物理概念明晰,算法结构简单。但该算法在处理具有多峰直方图图像时,参数初始化困难。本文结合直方图指数平滑原理和峰点检测原理,提出了一种改进图像分割算法。该方法首先通过直方图指数平滑原理对图像原始灰度直方图进行二次平滑,然后利用峰点自动检测原理检测出图像二次平滑直方图具有的波峰值、波谷值,以及直方图波谷的数目,实现图像的粗分割。最后利用图像粗分割的值初始化模糊散度方法的初始值,利用求散度性能函数极值得到最佳分割阈值,实现细分割。