數(shù)字圖像處理中的圖像分割技術(shù)及其應(yīng)用

李月月 李宗賀 王思雨

摘 要：不同算法在實際運用中往往遇到一些問題，都有著各自的局限性和缺陷，提取效果往往不盡人意。本文從圖像分割技術(shù)的基本原理出發(fā)，比較 全面地總結(jié)了有代表性的圖像分割方法，以期為數(shù)字圖像處理提供幫助。

關(guān)鍵詞：數(shù)字圖像;基本原理;分割方法

1引言

圖像分割是圖像處理中的關(guān)鍵問題，近年來已經(jīng)提出了新的圖像分割算法。隨著計算機技術(shù)的快速發(fā)展，以及經(jīng)過國內(nèi)外學(xué)者長時間的研究 和發(fā)展，目前已經(jīng)成功提出了很多種不同功能的數(shù)字圖像邊緣檢測算法， 這些算法在圖像處理領(lǐng)域占據(jù)不可替代的地位，在圖像處理問題中，邊緣 作為圖像的一種基本特征，為人們描述或識別目標以及解釋圖像提供了 一個重要的特征參數(shù)。圖像邊緣檢測最終的需求是獲得精確的邊緣定位， 并且能夠有效的進行噪聲抑制。但是，目前沒有針對每個圖像處理任務(wù)的 最佳算法。通常，通過測試每種可能的算法或使用先前問題的知識來選擇 最合適的算法，這些過程可能具有很高的計算成本。

2 圖像邊緣提取新算法

2.1 SAR 圖像分割方法

多尺度SAR 圖像分割方法。首先，使用Curvelet 變換來獲取多個尺度上分解的SAR 圖像的集合。通過規(guī)則的細分將它們的域劃分為一組塊， 其中塊的數(shù)量假定為具有Poisson 分布的隨機變量。在分區(qū)域上，遵循貝葉斯范式建立具有未知類數(shù)的基于區(qū)域和多尺度的圖像分割模型。此外， 設(shè)計了通用多次嘗試可逆跳轉(zhuǎn)（GMTRJ）算法來模擬分割模型。在分割模型的迭代仿真過程中，當前尺度的分割結(jié)果被視為下一尺度的初始分割。 對應(yīng)于最佳比例的分割結(jié)果被認為是最佳圖像分割。SAR 圖像驗證了 該方法的有效性。測試的模擬SAR 圖像的Kappa 系數(shù)最高為0.998，測試 的真實SAR 圖像的Kappa 系數(shù)最高為0.903。從定量和定性評估的測試結(jié)果可以發(fā)現(xiàn)，該方法不僅可以確定分類的數(shù)量，而且可以很好地分割均勻 區(qū)域。

2.2 差分進化算法

圖像分割是基于地理對象的圖像分析中的關(guān)鍵問題，因此確定適當?shù)姆指顓?shù)是允許獲得準確分割的前提。最新的的利用局部空間統(tǒng)計量 的差分進化分割參數(shù)選擇方法，以實現(xiàn)圖像分割的自動參數(shù)優(yōu)化。使用局 部空間統(tǒng)計方法計算段內(nèi)同質(zhì)性（WSH）和段間異質(zhì)性（BSH）的兩種度 量，然后將其集成到用于指示整體分割質(zhì)量的全局值中。另外，在BSH 計算中考慮了每個段與其相鄰段之一之間的公共邊界的貢獻，以獲得更客 觀的評估。對于此實驗，使用多分辨率分割（MRS）方法作為分割算法，并 使用GF-1 圖像作為測試數(shù)據(jù)。所提方法的度量分析實驗表明，BSH 對分段不足更為敏感。與其他四種方法相比，該方法的視覺和差異測量結(jié)果表 明，該方法更有可能識別適當?shù)姆指顓?shù)，從而可以實現(xiàn)高質(zhì)量的分割。

2.3 Otsu 算法

Otsu 算法作為一種根據(jù)于閾值的圖像分割方法被提出，也被稱之為最大類間方差算法，屬于全局閾值化方法。Otsu 算法作為圖像分割界的一種算法在電子技術(shù)領(lǐng)域得到了較為普遍的推行，它是實現(xiàn)閾值分割的經(jīng) 典算法之一，Otsu 算法的最為關(guān)鍵之處是分割閾值t 需要使得目標和背景兩類的類間方差達到最大。方差能夠較為全面映射出一個隨機變量對應(yīng) 的一組數(shù)值的離散程度，也就是均衡性的大小，在同一個情況之下，方差 值越大也就在一定程度上表明此組數(shù)據(jù)的波動情況也在增大，其均衡性 就差，相反的方差越小，表這組數(shù)據(jù)越趨向穩(wěn)定，均衡性也就很高[1]。圖像一般包含目標物體、背景和噪聲，基于一幅圖像的統(tǒng)計學(xué)特性，將人為假 定的某一的灰度值將原始圖像的灰度設(shè)置成兩類，包含背景和目標。當這 兩類本身內(nèi)部像素的灰度值的均衡性越高，所對應(yīng)的方差就越小，反之，當兩類之間的均衡性越小時，那么與此同時所對應(yīng)的方差能夠達到最大， 此時的灰度值能代表的就是最為合適的分割閾值。

3 圖像分割技術(shù)的應(yīng)用 3.1 在醫(yī)學(xué)上的應(yīng)用

隨著醫(yī)學(xué)圖像采集系統(tǒng)的發(fā)展，已經(jīng)廣泛研究了使用多模式的分割。

圖像融合的不同策略，例如概率論、模糊概念、信度函數(shù)和機器學(xué)習(xí)已經(jīng) 成功開發(fā)[2]。醫(yī)學(xué)圖像分割在許多臨床應(yīng)用中發(fā)揮重要作用，例如疾病診斷，手術(shù)計劃和計算機輔助治療。但是，由于圖像質(zhì)量不同，物體形狀復(fù)雜 以及離群值的存在，這是一項非常具有挑戰(zhàn)性的任務(wù)。多模態(tài)被廣泛用于 醫(yī)學(xué)成像中，因為它可以提供有關(guān)目標（腫瘤，器官或組織）的多種信息。

使用多模態(tài)的細分包括融合多種信息以改善細分。最近，基于深度學(xué)習(xí)的 方法在圖像分類，分割，對象檢測和跟蹤任務(wù)中展現(xiàn)了最先進的性能。由 于其對大量數(shù)據(jù)的自學(xué)習(xí)和泛化能力，最近也引起了人們對多模式醫(yī)學(xué) 圖像分割的極大興趣。

3.2 圖像分割在遙感中的應(yīng)用

圖像分割是基于地理對象圖像分析中至關(guān)重要的基礎(chǔ)步驟。許多多 尺度分割算法已廣泛用于高分辨率（HR）遙感圖像中。這些分割算法需要 一個預(yù)設(shè)參數(shù)（稱為scale 參數(shù)）來控制每個對象的平均大小。但是，由于空

間變化，單一尺度參數(shù)很難描述具有不同土地覆被的區(qū)域的邊界。為了克 服這一局限性，可采用一種用于多尺度分割的自適應(yīng)參數(shù)優(yōu)化方法。為了 找到物體的最佳比例，通過計算物體間和物體內(nèi)的光譜角來應(yīng)用局部光 譜異質(zhì)性度量。

4 結(jié)語

圖像的分割是圖像處理中最困難的任務(wù)之一，圖像分割技術(shù)能借助數(shù)字處理的底層技術(shù)來實現(xiàn)模式的識別功能，因此得到廣泛應(yīng)用。今后要加 強圖像分割技術(shù)的基本原理的研究。

參考文獻

[1] 姜維. 淺析數(shù)字圖像處理技術(shù)及其應(yīng)用[J]. 信息與電腦（理論版）（3）：136-137.

[2] 張晶，王黎，高曉蓉，王澤勇，周小紅，彭建平. 數(shù)字圖像處理中的圖像分割技術(shù)及其應(yīng)用[J]. 信息技術(shù)（11）：36-39，43.