文献综述

文献综述

附1 成绩：

西安建筑科技大学

毕业设计 (论文)文献综述

院 （系）： 信息与控制工程学院

专业班级： 通信1001班

论 文 方 向 ： 唐墓壁画结构信号

及分割技术研究

综述题目： 基于轮廓的分割文献综述

学生姓名： 滕明月

学 号： 100630108

指导教师： 吴萌

毕 业 设 计

2014年3月 21日

文献综述

基于轮廓的分割文献综述

摘要：在很多图像分析技术中,图像分割已显得越来越重要。图像分割是图像处理前的一项关键

技术。如果图像能够得到有效的分割,在后期的图像处理中就可以得到很多有效信息,如果在图像

分割时发生错误,不仅影响后期操作,而且可能对后续研究带来灾难性后果。近年来,研究人员在

图像分割方面已经做了很多工作,这其中不乏有比较经典的算法,但是迄今为止,依然没有统一图

像分割算法标准。基于边缘和基于区域的分割算法已经逐渐成为图像分割主流算法。

关键词：图像分析技术；图像分割；基于边缘的分割算法；基于区域的分割算法

1. 前言

1.1图像分割的研究意义

图像分割现已经成为一个独立的科学体系中,它是一项比较关键的技术,它在图

像处理之后,在图像分析之前,如果想做进一步的图像分析,必须对图像进行分割,许

多目标的提取、测量都必须用到图像分割,如果想得到比较好的提取、测量前提,就必

须做好图像分割,它关系到后续的图像处理。但是图像分割没有一种统一的理论来对

所有图像进行统一使用,而且没有一种衡量标准去评判图像分割算法的好坏,所以综

合探讨一下近年来图像分割的趋势是很有必要的。而近年来主动轮廓模型的应用越来

越广泛,已经逐渐成为了图像分割的主流算法,在这其中,由M-S模型发展起来的C-V

模型应用已非常广泛,它不仅能够够处理带有拓扑目标结构的图像,而且相对于其他

的主动轮廓模型,不在依靠梯度来进行寻找边界,C-V模型仅仅需要轮廓曲线内外的

灰度统计信息就可以对图像进行分割,在很多灰度均匀图像中能得到很好的结果。但

是,当用C-V模型对灰度不均匀图像进行分割时,往往得不到想要的结果。究其原因是

C-V模型的总体能量函数只参考了全局统计信息,这就使得模型的前提为灰度均匀图

像,所以在运用该模型分割灰度不均匀图像时得不到期望的结果。

1.2图像分割的应用

在现实世界中，图像分割的应用非常广泛，凡和图像处理有关的所有领域，都会

文献综述

涉及图像分割。比如，在医学领域，医生可以对患者的病理图像进行分割，提取关心

的区域，方便分析、诊断病情[1]；在遥感应用领域，可以对拍摄的遥感图像进行分割

识别，进行地域、植被等分析统计 [2~3]；在公安、交通领域，图像分割应用更是比比

皆是，如对犯罪嫌疑人图像的分割提取，对违章汽车车牌号码的分割提取 [4~6]；还有

体育、生产、军事、农业等众多领域都离不开图像分割 [6~8]。在这些应用中，图像分

割都是为了更好的对图像进行分析、识别等而进行的关键操作，图像分割的好坏直接

影响图像分析和识别的有效性，因此对图像分割的研究至关重要。同时，在各个领域

彩色图像应用是越来越多，对彩色图像进行的分割研究也就变得尤为重要。

2. 图像分割

2.1图像分割概述

图像分割是指把图像分成各具特性的区域并提取出感兴趣目标的技术和过程。图

像分割可以借助集合的概念定义如下：

令集合R代表整个图像区域，对 的分割可以看作将 分成若干个满足以下 5个

条件的非空的子集或子区域 (1)

,有

(2)对所有i和j，i(3)对i=1,2, ,n,有(4)对i，

(5)对i=1,2, ,n,

其中，

是对所有在集合中元素的逻辑谓词；是空集。

上述条件(l)指出分割所得到的全部子区域的总和(并集)应能包括图像中的所有

像素，或者说分割应将图像中的每个像素都分进某一个子区域中。条件(2)指出各个

子区域是互补交叉的，或者说一个像素不能同时属于两个区域。条件(3)指出在分割

文献综述

后得到的属于同一区域中的像素应该具有某些相同特性。条件(4)指出在分割后得到

的属于不同区域中的像素应该具有一些不同的特性。条件(5)要求同一子区域内的像

素应该是连通的。对图像的分割总是根据一些分割的准则进行的。条件(l)与条件(2)

说明分割准则可适用于所有区域和所有像素，而条件(3)与(4)说明分割准则能帮助确

定各区域像素有代表性的特性。

3. 图像分割理论的研究现状和发展趋势分析

3.1图像分割理论的研究现状

近年来,随着计算机技术的发展,数字图像技术在应用中越来越重要,在数字图像

技术中的图像分割是图像处理前一项重要的技术。现已有很多经典的方法,基本上可

以分为:根据图像边缘检测的方法、根据图像区域提取的方法、与其他学科的相结合

的分割方法。

3.1.1根据图像边缘检测的方法

边缘是图像最基本的特征,由于图像局部特性突变而造成了图像边缘,这些特性

包括灰度、颜色、纹理等,边缘检测方法往往是通过图像的一阶导数取极值或者二阶

检测涉及到不同的原理,边缘检测可以分为很多不同类型:边缘算子,多尺度方法,导

数找零点来判断是否为边缘点,或者通过建立边缘模型拟合来间接检测。由于边缘最

优算子、自适应滤波方法、图像滤波、边界跟踪等。

3.1.2根据图像区域提取的方法

把具有相似特点或性质的像素连通起来得到分割区域,这样的方法就叫做区域分

割算法。这种方法会克服图像分割空间不连续的缺点,因为它利用了图像的局部信息,

所以会使得图像过分分割,这种缺点是显而易见的。所谓的区域生长的分割方法是从

整个图开始按照所需属性一致的原则,判断每个像素的区域归属,从而会形成一个区

域[9]。具体做法是选取给定图像中要分割的目标物体内的种子区域,将其周围的像素

点以一定的规则加入到种子区域。该方法提出选择合适的生长或相似特点的要求,一

般根据区域的灰度的差、分布统计、形状等进行生长。

3.1.3结合其他理论的分割算法

在图像分割理论中引入模糊数学的概念,通过运用图像信息的不确定性来达到分

文献综述

割图像的目的,此处理图像的方法常被应用到医学图像中[10]把数学形态学与图像技术

结合,利用特定的结构元素来提取图像信息,这种算法就是基于形态学的分割算法;基

于小波变换的分割算法是近年来比较常用的方法,它在时域与频域都有不错的局部化

性质,能在不同的尺度对信号进行分析;而基于图论的图像分割方法也是近年来图像

分割领域的一个新研究热点,它能把图像分割问题转化为最优化问题[11]。

3.2图像分割技术的发展趋势

近年来,对图像分割的研究成果越来越多,但是依然存在的很多的问题,因为图像

的不确定性,这使得很多的研究成果只能针对特定的图像,没有什么突破进展,主要是

由于没有通用的图像分割标准,计算机与人的需求相背离,无法根据实际情况实际对

待。运用图像中的一些信息来进行图像分割,一般会产生和人类视觉分割相背离的情

况,因为人往往会对被分割的图像有了一个先验的认识,所以要让计算机与人所得结

果相符合,是不现实的,且寻求一种能分割任何图像的算法是不现实的,我们应注重实

用特定的分割算法的研究上,使得实际的计算机应用中所得到的结果与人类所想的结

果更接近。

随着近年来计算机技术的发展,一些好的算法也已经涌现出来,综合考虑这些算

法,它们的主流思想就是尽可能的考虑多方面的图像属性。如果一个算法能够照顾到

图像中任何的性质来进行图像分割,这种算法就是最理想的状态。但是在通常情况下,

我们的算法只能够是对特定的图像进行分割,当前做的也只是提高一些算法的稳定性

与兼容性。从长远来看,图像分割的发展方向主要有:

(1)多种分割算法相结合。从算法改进的趋势来看,运用不同算法相结合的方法

可以使得算法之间各自发挥各自的优点,如结合基于局部和基于全局的分割方法,

彼此之间可以起到互补的作用。这种算法改进趋势在以后的研究中还会层出不穷。

(2)人工智能与图像算法技术的结合。首先来说,图像分割的工作无非就是通过计

算机提取人类想要的目标信息,但是计算机的一切运算都是基于数学,如果单靠计算

机的古板的工作,永远无法得到好的结果,所以将人工智能与图像算法技术结合,才有

可能得到良好的分割效果。

4.具体算法简述

4.1边缘检测算法