图像分割算法的研究与优化

关于图像分割算法的研究

黄斌

（福州大学物理与信息工程学院 福州 350001）

摘要：图像分割是图像处理中的一个重要问题，也是一个经典难题。因此对于图像分割的研究在过去的四十多年里一直受到人们广泛的重视，也提山了数以千计的不同算法。虽然这些算法大都在不同程度上取得了一定的成功，但是图像分割问题还远远没有解决。本文从图像分割的定义、应用等研究背景入手，深入介绍了目前各种经典的图像分割算法，并在此基础比较了各种算法的优缺点，总结了当前图像分割技术中所面临的挑战，最后展望了其未来值得努力的研究方向。

关键词：图像分割 阀值分割 边缘分割 区域分割

一、 引言

图像分割是图像从处理到分析的转变关键，也是一种基本的计算机视觉技术。通过图像的分割、目标的分离、特征的提取和参数的测量将原始图像转化为更抽象更紧凑的形式，使得更高层的分析和理解成为可能，因此它被称为连接低级视觉和高级视觉的桥梁和纽带。所谓图像分割就是要将图像表示为物理上有意义的连通区域的集合，也就是根据目标与背景的先验知识，对图像中的目标、背景进行标记、定位，然后将目标从背景或其它伪目标中分离出来[1]。

图像分割可以形式化定义如下[2]：令有序集合表示图像区域(像素点集)，H表示为具有相同性质的谓词，图像分割是把I分割成为n个区域记为Ri，i=1，2，…，n，满足：

(1)

1,,,,niijiRIRRijij

(2) ,1,2,,iiinHRTrue

(3) ,,,ijijijHRRFalse

条件(1)表明分割区域要覆盖整个图像且各区域互不重叠，条件(2)表明每个区域都具有相同性质，条件(3)表明相邻的两个区域性质相异不能合并成一个区域。

自上世纪70年代起，图像分割一直受到人们的高度重视，其应用领域非常广泛，几乎出现在有关图像处理的所有领域，并涉及各种类型的图像。主要表现在：

1)医学影像分析：通过图像分割将医学图像中的不同组织分成不同的区域，以便更好的

第２８卷第８期　计算机仿真　２０１１年８月　文章编号：１００６—９３４８（２０１１）０８—０２８０—０４　图像边缘分割算法的优化研究与仿真　向方，王宏福　（安阳师范学院，河南安阳４５５０００）　摘要：研究图像边缘分割问题，提高分割的准确性。针对图像中物体像素与其边缘像素容易发生像素粘连，粘连部分由于发　生像素灰度混合，造成像素差异极小，传统的基于灰度的边缘检测算法由于不能很好的区分粘连部分的灰度差异，不能完整　检测图像边缘的问题。提出了一种离散余弦变换（ＤＣＴ）和数学形态学边缘分割算法。通过对提取过的特征图像在同一尺　度下用多个结构元素分别对图像进行边缘分割，经过合成得到多尺度多结构元素形态学检测的边缘图像，摆脱分割算法对　像素灰度的依赖。仿真结果表明：方法具有较好的抗干扰性和定位准确性，分割的边缘更为完整准确，取得了令人满意的　效果。　关键词：数学形态学；边缘检测；多刻度形态学；多结构元素　中圈分类号：ＴＰ３９１　文献标识码：Ａ　Ｔｈｅ　ｏｐｔｉｍｉｚａｔｉｏｎ　ｏｆ　ｉｍａｇｅ　ｅｄｇｅ　ｓｅｇｍｅｎｔａｔｉｏｎ　ａｌｇｏｒｉｔｈｍ　ｒｅｓｅａｒｃｈ　ａｎｄ　ｓｉｍｕｌａｔｉｏｎ　ＸＩＡＮＧ　Ｆａｎｇ．ＷＡＮＧ　Ｈｏｎｇ—ｆｕ　（Ａｎｙａｎｇ　Ｎｏｒｍａｌ　Ｕｎｉｖｅｒｓｉｔｙ，Ａｎｙａｎｇ　Ｈｅｎａｎ　４５５０００，Ｃｈｉｎａ）　ＡＢＳＴＲＡＣＴ：Ｔｈｅ　ｉｍａｇｅ　ｅｄｇｅ　ｓｅｇｍｅｎｔａｔｉｏｎ　ａｎｄ　ｉｍｐｒｏｖｅ　ｔｈｅ　ａｃｃｕｒａｃｙ　ｏｆ　ｔｈｅ　ｓｅｇｍｅｎｔａｔｉｏｎ．Ａｃｃｏｒｄｉｎｇ　ｔｏ　ａｎ　ｏｂｊｅｃｔ　ｐｉｘｅｌ　ｉｍａｇｅ　ａｎｄ　ｉｔｓ　ｅｄｇｅ　ｐｉｘｅｌ　ｐｒｏｎｅ　ｔｏ　ｐｉｘｅｌ　ａｄｈｅｓｉｏｎ，ａｄｈｅｓｉｏｎ　ｐａｒｔ　ｄｕｅ　ｔｏ　ａ　ｐｉｘｅｌ　ｍｉｘｉｎｇ，ｐｉｘｅｌｓ　ｔｉｎｙ　ｄｉｆｅｒｅｎｃｅｓ　ｃａｕｓｅｄ　ｔｈｅ　ｔｒａｄｉｔｉｏｎａｌ　ｅｄｇｅ　ｄｅｔｅｃｔｉｏｎ　ａｌｇｏｒｉｔｈｍ　ｂａｓｅｄ　ｏｎ　ｇｒａｙ　ｌｅｖｅｌ　ｃａｎｎｏｔ　ｄｉｓｔｉｎｇｕｉｓｈ　ｇｏｏｄ　ａｄｈｅｓｉｏｎ　ｐａｒｔ　ｏｆ　ｔｈｅ　ｇｒａｙ　ｄｉｆｆｅｒｅｎｃｅ，ａｎｄ　ｃａｎ＇ｔ　ｃｏｍｐｌｅｔｅ　ｉｍａｇｅ　ｅｄｇｅ　ｄｅｔｅｃｔｉｏｎ，Ｐｕｔｓ　ｆｏｒｗａｒｄ　ａ　ｄｉｓｃｒｅｔｅ　ｃｏｓｉｎｅ　ｔｒａｎｓｆｏｒｍ（ＤＣＴ）ａｎｄ　ｍｏｒｐｈｄｏｇ—　ｉｃａｌ　ｅｄｇｅ　ｓｅｇｍｅｎｔａｔｉｏｎ　ａｌｇｏｒｉｔｈｍ．Ｔｈｒｏｕｇｈ　ｔｈｅ　ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ　ｆｏｒ　ｔｈｅ　ｅｘｔｒａｃｔｉｏｎ　ｏｆ　ｔｈｅ　ｉｍａｇｅ　ｉｎ　ｔｈｅ　ｓａｍｅ　ｓｃａｌｅｓ　ｗｉｔｈ　ＤｕｏＧｅ　ｓｔｒｕｃｔｕｒｅ　ｅｌｅｍｅｎｔｓ　ｏｆ　ｔｈｅ　ｉｍａｇｅ　ｓｅｇｍｅｎｔａｔｉｏｎ　ｒｅｓｐｅｃｔｉｖｅｌｙ　ｏｎ　ｅｄｇｅ，ｔｈｒｏｕｇｈ　ｄｉｆｅｒｅｎｔ　ｓｃａｌｅｓ　ｓｙｎｔｈｅｓｉｓ　ｇｅｔ　ｍｏｒ－　ｐｈｏｌｏｇｉｃ　ｄｅｔｅｃｔｉｏｎ　ｏｆ　ｓｔｒｕｃｔｕｒａｌ　ｅｌｅｍｅｎｔｓ　ｏｆ　ｔｈｅ　ｅｄｇｅ　ｉｍａｇｅ，ａｎｄ　ｇｅｔ　ｒｉｄ　ｏｆ　ｓｅｇｍｅｎｔａｔｉｏｎ　ａｌｇｏｒｉｔｈｍ　ｔｏ　ｐｉｘｅｌ　ｄｅｐｅｎｄ－　ｅｎｃｅ．Ｔｈｅ　ｓｉｍｕｌａｔｉｏｎ　ｒｅｓｕｌｔｓ　ｓｈｏｗ　ｔｈａｔ：ｔｈｅ　ｍｅｔｈｏｄ　ｈａｓ　ｇｏｏｄ　ａｎｔｉ－ｊａｍｍｉｎｇ　ａｎｄ　ｐｏｓｉｔｉｏｎｉｎｇ　ａｃｃｕｒａｃｙ，ｔｈｅ　ｅｄｇｅ　ｏｆ　ｔｈｅ　ｓｅｇｍｅｎｔａｔｉｏｎ　ｉｓ　ｍｏｒｅ　ｃｏｍｐｌｅｔｅ　ａｎｄ　ａｃｃｕｒａｔｅ，ａｎｄ　ｓａｔｉｓｆａｃｔｏｒｙ　ｒｅｓｕｌｔｓ　ｈａｖｅ　ｂｅｅｎ　ｏｂｔａｉｎｅｄ　ＫＥＹＷＯＲＤＳ：Ｍａｔｈｅｍａｔｉｃａｌ　ｍｏｒｐｈｏｌｏｇｙ；Ｅｄｇｅ　ｄｅｔｅｃｔｉｏｎ；Ｍｕｌｔｉ—ｓｃａｌｅ　ｍｏｒｐｈｏｌｏｇｙ；Ｍｕｌｔｉ—ｓｔｒｕｃｔｕｒｅ　ｅｌｅｍｅｎｔｓ　１　引言　边缘检测是图像处理和计算机视觉中的基本问题，在图　像处理中，边缘检测是一个重要的图像预处理过程，在计算　机视觉和图像处理领域占据重要的地位，它能勾画出目标物　体轮廓，使观察者一目了然，包含了丰富的信息（如方向、阶　跃性质、形状等）…，是图像识别中抽取的重要属性。因为图　像边缘检测结果的好坏直接关系着后续的很多处理工作，因　此，完整的分割图像中物体的边缘部分，对后续的一系列操　作，都起着至关重要的作用　。当前的数字图像边缘检测方　基金号：国家自然科学基金（编号：４１００１２５１）　收稿日期：２０１１—０１—０６修回日期：２０１１－０２—２８　・－－－——２８０－－－－——　法主要是依靠图像中带分割物体与周围环境形态和颜色上　的差异，运用图像处理技术进行分割。目前，主流的图像边　缘分割算法有Ｌｏｇ算子、Ｓｏｂｅｌ算子、Ｃａｎｎｙ算子和梯度算子　等，以及由这些方法衍生出的方法　Ｊ。　这些传统算法，大部分是基于图像中带分割物体像素灰　度与周围环境的差异进行的处理。操作中，根据物体与周围　环境的差异，通过像素差异分割物体边缘与背景环境　，这　种方法对与周围环境存在着较大像素差异的物体图像有着　很好的效果，但是当物体与外界环境的像素差异较小的时　候，由于物体边缘部分与外界环境会发生像素粘连，粘连部　分像素灰度差异很小，这种情况下，传统的方法由于过于依　

学术研讨　１３５　基于狼群算法优化Ｓｎａ　图像分　◇内江师范学院陈超刘芳　中国邮政储蓄银行袁春红　针对图像分割中难以分割出精准的目标以及　群算法优化Ｓｎａｋｅ模型中的能量函数，逐渐找到目　法避免Ｓｎａｋｅ模型中的能量函数早熟引起的过早停　的目标在精度上有所提高，分割的速度有一定的提高。　主观轮廓法用于图像轮廓检测　，黄太安等人在基本粒子群　基础上提出了一种改进的简化粒子群算法　；邓梁等针对凹陷轮　廓提出了改进能量函数”　；王文哲等对上述两种轮廓法进行综　述”　。李熙莹等提出了一种自动提取目标的主动轮廓法　；李培　华阐述Ｓｎａｋｅ模型进跳出局部最优解，最终求出目标函数的整体　最优解　；吴虎胜提出：狼群算法模仿狼群捕食行为以及对获取　猎物分配方式，抽象出三种智能行为：游走、召唤、围攻和头　狼产生使用“胜者为王”的规则已经更新狼群机制使用的“强　者生存”的狼群生存法则，并证明了其收敛性和高效性　。后　来，由李国亮等改进了狼群捕食的搜索策略　。　１狼群算法　１．１狼群算法概述　编程时把狼群的昕有捕猎行为描述为三种行为：游走、召　唤、围攻，以“胜者为王”的规则推选出本次迭代的头狼和使　用“强者生存”规则更新的狼群　。依照“论功行赏、由强到　弱”的分配方式保持狼群主体的优良延续。　１．２狼群智能行为和规则的描述　（１）头狼的产生规则。在搜索空间的初始化中，计算并选　中最佳阈值的人工狼作为头狼，记为　；因为头狼已经是本　次捕猎中较为优秀的个体，所以不执行游走、围攻、强者生存　三种智能行为　。　（２）游走行为。探狼依靠灵敏的嗅觉器官知晓解空问中猎　物气味浓度，也就是计算第　匹探狼的目标函数值　。假如第ｆ　匹探狼的目标函数值　＞　，那么就有　＝　，此时就是　第ｆ匹探狼变为当前的头狼，其中　为当前解空间中头狼获取　的猎物气味浓度。若　＜Ｙｌｅａ　，则探狼探测性的在ｈ个方向做进　一步的侦查，即探狼在ｄ维空间中的当前位置的ｈ个方向上搜寻　最优值　＝　＋ｓｉｎ（２ｘｘＰ／ｈ）ｘｓｔｅｐ￣　（１）　其中ｐ∈｛１，２，…，ｈ｝，ｄ表示　维解空间，游走步长是ｓｔｅｐ￣，探狼比　例因子是　。　（３）召唤行为。头狼发起召唤行为，号召附近的Ｍ—Ｈｕｍ　匹猛狼迅速靠拢头狼当前所在位置，其中Ｍ　ｔｌｕｍ：ｎ—Ｓ　Ｆｌ￣／ｍ　一１；听到嚎叫的猛狼以步长ｓｔｅｐ　逼近头狼。则第　匹猛狼第ｋ　＋１次进化时，头狼利用现在优势的位置号召人工狼靠近，在第　维变量空间中相应的位置是：　＝　＋ｓｔｅｐａ·（ｇ：一　）／１　ｇ　一　Ｉ　（２）　（４）围攻行为。那么在第ｄ维空间中的第ｋ代狼群，围攻　行为可描述为：　＝　ｋ＋Ａｓｔｅｐｙ『ｇ　一　ｆ　（３）　其中　是卜１，１］之间的随机数且满足均匀分布，围攻的步长是　。　（５）“强者生存”的狼群更新机制。每次迭代过程中都淘　汰Ｒ只弱狼，这里Ｒ取［　／（２×　），　／　之间的随机整数，　为群　体更新比例因子。　２　Ｓｎａｋｅ模型　当Ｓｎａｋｅ的能量达到最小后，内力和外力能量达到平衡，　Ｓｎａｋｅ总能量保持稳定的状态，轮廓的行为变化趋向于停止。Ｓｎａｋｅ　模型初始轮廓是一条参数化的曲线，它表示了某种显著的图像　特征。定义轮廓曲线　＝（　），定义其能量函数为：　Ｅ＝ｌ｛巨　（　））＋Ｅｅｘ，（　）））　（４）　其中ｓ表示轮廓曲线参数，巨　（　（　））表示内部能量函数，　（　（　））表示外部能量函数，具体到图像特征，可以表示为：　巨　＝　［ａｆ　ｖ’　）ｆ。＋　ｌ　ｖ”　）门　（５）　二　，＝一ｌｖ（ａ（ｘ，Ｙ，　）　Ｉ（ｘ，　））ｌ。　（６）

摇摇收稿日期院圆园员怨鄄园缘鄄园远基金项目院国家自然科学基金渊晕杂云悦远员员苑愿园怨圆院晕杂云悦远员猿苑愿园园员冤曰北京市委组织部优秀人才项目渊圆园员员月园园缘园园源园园园园园圆冤第圆苑卷摇第苑期灾燥造郾圆苑摇晕燥郾苑北京印刷学院学报允燥怎则灶葬造燥枣月藻蚤躁蚤灶早陨灶泽贼蚤贼怎贼藻燥枣郧则葬责澡蚤糟悦燥皂皂怎灶蚤糟葬贼蚤燥灶圆园员怨年苑月允怎造援圆园员怨关于图像分割算法的研究

齐千慧袁田益民袁韩利利袁张天颖渊北京印刷学院信息工程学院袁北京员园圆远员园冤

摘摇要院近些年来人工智能在计算机领域内袁得到了越来越广泛的重视遥图像处理是人工智能领域中一个重要的分支遥图像分割是进行图像分析处理的第一步袁也是机器视觉的重要步骤遥作为特征提取和图像识别的基础袁图像分割的处理结果的研究一直是数字图像处理技术研究中的热点和焦点遥为了研究图像分割的方法袁采用了基于边界的图像分割尧基于区域的图像分割尧基于阈值的图像分割和基于聚类的图像分割方法袁并作出分析遥关键词院图像处理曰图像分割曰大津法曰分水岭分割法曰中图分类号院栽孕猿怨员文献标志码院粤文章编号院员园园源鄄愿远圆远渊圆园员怨冤园苑鄄园员园圆鄄园缘

摇摇图像分割技术是将图像分割成互不重叠且具

有相似特征的部分遥图像分割的意义在于有助于

它可以提取出感兴趣的部分并方便后续的图像处

理如图像识别等遥图像分割结果的效果好坏直接

影响到了图像的处理效果咱员暂遥图像分割的方法有

很多袁本文就基于边界的图像分割尧基于区域的图

像分割尧基于阈值的图像分割和基于聚类的图像分

割四类方面做重点探讨遥

员摇灰度直方图

图像的灰度直方图是描述图像灰度值的函数袁

表现的是图像中灰度值的出现频率等分布情

况咱圆暂遥图像灰度直方图的横轴是灰度级袁纵轴是

该灰度级出现的频率渊个数冤遥图像灰度直方图可

以描述出灰度各灰度级所占比重信息遥

图像的灰度直方图表现的是图像灰度级的频

率袁不能反映图像灰度的空间位置信息遥不同的图

像可以有相同的灰度直方图遥