论文部分内容阅读
图像分割是数字图像处理中一项基本且关键的技术,分割结果的优劣将会直接影响到图像处理后续进行,在图像分割算法研究过程中,都要考虑到图像中噪声的影响,同时还要注意分割的效果和分割的速度等因素。本文也是在基于上述这些考虑的基础上来对图像分割算法进行以下研究分析和相关改进: 1.深入了解分析当前图像分割概念以及现状,将目前分割方法分为七类;对传统的图像预处理(增强和去噪)中的几类方法进行了实验对比研究。 2.针对分水岭分割算法对噪声敏感并且容易存在过分割现象的缺点,进行实验一,基于巴特沃斯高通滤波器的高频强调滤波的分水岭分割,并对高通滤波和高频强调滤波分割的原理进行了实验对比分析,实验结果证明有效的减少了过分割现象,较好的获取了目标图像的边缘。 3.实验一虽然在之前基础有了一定改善,但还是存在不足之处,所以进行了实验改进二,即基于imhmin-H极小值标记提取的分水岭分割法,经过实验验证,分割结果和实验一相比可以更加完整的获取目标图像的边缘并且提高了分割效率。 4.研究了基于曲线演化理论的图像分割的由来,算法以及分割原理,并在前人研究的基础上,对曲线演化的MATLAB主程序作了改进,将程序简化,并进行了实验对比研究,并对经过曲线演化发展而来的水平集算法基本概念进行了相关研究。 5.针对基于水平集方法的图像分割里面的GAC模型,C-V模型和SBGFRLS模型分割方法这三种分割算法进行深入研究,并进行实验研究和分析,更深一步的对比总结它们的算法原理和各自利弊;还做了两点改进:针对GAC模型分割对象时候依赖初始轮廓位置的局限性,进行基于imhmin-H极小值标记提取的分水岭分割和GAC结合的改进;针对 SBGFRLS模型在处理背景不均匀的图像时的分割结果不完整的缺点,进行基于顶帽变换的SBGFRLS模型改进。经过实验仿真验证和对比,发现这两种改进确实在获取目标轮廓以及分割结果和效率上均有明显改善。