對圖像分割方法的認識及新進展研究

劉印 遼寧師范大學計算機與信息技術(shù)學院

圖像分割就是將圖像分成不同的、若干個特定的且具有獨特性質(zhì)的區(qū)域，提出目標以及技術(shù)的過程。其是通過圖像處理在圖像分析關(guān)鍵步驟構(gòu)成?，F(xiàn)階段主要應(yīng)用的圖像分割方法主要有基于閾值的分割方法、基于區(qū)域的分割方法、基于邊緣的分割方法以及基于特定理論的分割方法等。而基于數(shù)學角度分析來說，圖形分割就是將數(shù)字圖像劃分不想交的區(qū)域過程。圖像分割的過程就是標記的過程，也就是對相同區(qū)域的像素進行相同的編號處理。

1.對圖像分割方法的認識

1.1 初識圖像分割的基本概念及其重要性

圖像分割就是將圖形中具有意義的特征以及區(qū)域進行提取的過程，這些具有意義的特征主要就是圖像的原始特征、例如像素的灰度數(shù)值、顏色以及紋理等空間頻譜等等。

在計算機視覺理論中，其右下至上可以分為三個任務(wù)，分別就是圖像分割、特征提取以及目標識別分析。圖像分割的主要目的就是將圖像劃分為不同的、若干個不相交的區(qū)域氛圍，保障各個區(qū)域的一致性，而臨近區(qū)域之間的豎向特征則具有較為顯著的差別性，對此，圖像分割的質(zhì)量對于其今后的特征提取以及目標識別有著直接的影響。

1.2 傳統(tǒng)圖像分割方法

在傳統(tǒng)圖像分割中，其主要應(yīng)用的方法主要有基于區(qū)域、基于邊緣和二者的結(jié)合的方式手段，其具體如下：

1.2.1 基于區(qū)域的分割方法

就是直接的進行區(qū)域?qū)ふ遥瑢⑵渥鳛閰^(qū)域基礎(chǔ)進行的分割技術(shù)手段，逐漸衍生出兩種不同形式的區(qū)域提取方法，第一種就是由點及面的方式，也就是在單個元素開展，逐漸的拓展合成其需求分割區(qū)域之中；而另一種則就是由面到點的形式，也就是通過逐步分割的方式到達其需要的分割區(qū)域范圍。

1.2.2 基于邊緣檢測的分割方法

在此種方法中架設(shè)在不同區(qū)域之間邊緣數(shù)值上的灰度值變化相對較大，要對圖像中的邊緣點進行檢測分析，基于特定的策略鏈接形成輪廓，最終形成分割區(qū)域范圍。

1.2.3 區(qū)域與邊緣相結(jié)合的分割方法

邊緣檢測方式可以獲得灰度值的具備變化強度信息，區(qū)域分割可以對檢測特征的相似性以及均勻性進行檢測分析，綜合惹著的特性可以有效的避免區(qū)域過分切割等問題，可以保障切割輪廓的整體完整性。

1.3 對部分結(jié)合特定理論的圖像分割方法的認知

現(xiàn)階段主要應(yīng)用的就是七大類分割方法，其主要就是基于數(shù)學形態(tài)學理論、模糊理論分割方法、神經(jīng)網(wǎng)絡(luò)理論分割方法、支持向量機分割方法、圖論分割方法、免疫算法以及粒度計算理論等等，筆者重點論述了基于數(shù)學形態(tài)學的圖像分割方法、基于神經(jīng)網(wǎng)絡(luò)的圖像分割方法以及基于粒度計算理論的圖像分割方法。

1.3.1 基于數(shù)學形態(tài)學的圖像分割方法

數(shù)學形態(tài)學的基本思想就是具有特定結(jié)構(gòu)的元素對圖像中的相關(guān)形狀進行度量以及圖像提取分析，進而達到圖像分析以及識別的主要目的。而此種方法中最為經(jīng)典的就是分水嶺方法，其具體如下：

分水嶺方法的主要思想就是將圖像作為測地學領(lǐng)域中的拓撲地貌，在圖像中的像素灰度值就表示其具體的海拔高度，不同的局部極小值以及其主要影響區(qū)域就是集水盆，集水盆的邊界就是分水嶺。分水嶺的概念形成可以通過模擬侵入過程進行分析說明，在每一個局部中極小值表面中刺穿小孔，在將整個模型浸入到水中，在加深的過程中每一個極小值的影響就會拓展，這樣在兩個集水盆的匯合位置中構(gòu)筑大壩，這樣就會形成分水嶺。分水嶺的主要計算方式可以分為排序以及淹沒兩個過程。在實踐中，要對像素的灰度級由低到高的排序，然后在從低到高的淹沒中，對局部極小數(shù)值在n階高度中產(chǎn)生的影響域進行分析，通過先進先出(FIFO)結(jié)構(gòu)對其進行判斷以及標注處理。

對其進行分析可以發(fā)現(xiàn)，此種方式的本質(zhì)就是區(qū)域增長的圖像分割方法。相對于傳統(tǒng)的方法來說，此種方式可以獲得邊界持續(xù)、封閉性良好、閉合的目標圖像，也因為其此種特征導致圖像的噪聲、物體表面上存在細微的灰度變化特征都會誘發(fā)較為嚴重的過度分割問題。

而要想解決此種問題，現(xiàn)階段可以通過以下幾種方式開展：

第一，分割預處理。通過圖像去噪等方式，進行形態(tài)學的重新構(gòu)建，其主要的原則就是減少小的積水盆，降低過分分割數(shù)量；第二，分割后處理，在分割之后會產(chǎn)生多個小區(qū)域范圍，要綜合實際狀況選擇合適的算法，整合處理，此種方法相對較為復雜。第三，要加強對分割在預處理以及后處理結(jié)合的重視，綜合死機需求對圖形進行適度的分割與處理以及控制分析。

1.3.2 基于神經(jīng)網(wǎng)絡(luò)的圖像分割方法

隨著人工智能化的發(fā)展，基于神經(jīng)網(wǎng)絡(luò)的圖像分割技術(shù)逐漸成熟。此種方法的主要思想就是通過訓練樣本的方式對神經(jīng)網(wǎng)絡(luò)進行訓練，確定具體的節(jié)點之間的連接權(quán)值，在利用處理好的神經(jīng)網(wǎng)絡(luò)對新輸入的圖像進行分割處理。

1.3.3 基于粒度計算理論的圖像分割方法

粒度是通過對不同大小對象進行分析。要將傳統(tǒng)的“粗粒度”的大對象分割形成不同的“細粒度”的小對象模式，然后將若干個小對象進行整合，形成較大的粗粒度對象進行研究分析。所謂的粗度計算就是信息處理一種全新的概念以及方式，其主要就是不精確、模糊以及不完整的海量信息。綜合粒度計算理論分析，圖像分割就是圖像在粗粒度空間轉(zhuǎn)變形成細粒度空間的整個過程。應(yīng)用分層的方式對圖像進行處理，先進行粗分割處理，在細化處理，獲得重要的區(qū)域特征之后，在進行局部細化處理，在對其進行區(qū)域分割處理。

2.圖像分割技術(shù)發(fā)展趨勢

在今后的發(fā)展中，要對原有的算法進行改進，要對新方法、新概念進行引入，合理應(yīng)用各種有效的方法，一些學生在研究過程中將新方法以及新概念引入到圖形分割算法過程中，無法獲得良好的效果，對此人們在應(yīng)用的過程中也整合了各個方法與手段。通過對現(xiàn)階段出現(xiàn)的各種分割方法分析發(fā)現(xiàn)，在今后的發(fā)展中基于小波變換的方式進行圖像分割處理是一種有效的方式。

而隨著交互式分割方法的逐漸深入，在各個場合中要對目標圖像進行邊緣分割分析，此種方法在時間中應(yīng)用越來越廣泛。同時，現(xiàn)階段對于立體圖像、彩色圖像、多光譜圖像以及多視圖圖像進行分割研究，運動圖像以及視頻圖像的目標分割研究逐漸深入，特殊人格圖像分割研究逐漸深入，在今后的發(fā)展中此種問題勢必會有效解決。

3 結(jié)束語

通過研究分析可以發(fā)現(xiàn)，圖像分割與人工智能發(fā)展之間有著密切的關(guān)系。而神經(jīng)網(wǎng)絡(luò)、免疫算法等方式手段逐漸成熟，在計算機研究領(lǐng)域中要想做到深度分割，是研究的重點內(nèi)容。