图像分割研究方法及进展_宋寅卯

图像;识别;视觉

２０１０年４月

电脑学习

第２期

图像分割研究方法及进展

宋寅卯*

摘

刘磊

要：本文首先介绍几类经典的图像分割方法并分析了各自的特点；接着讲述了几种结合特定工具的图像分割方法：然后介

绍了图像分割的应用现状；最后对图像分割技术进行展望。

阈值分割遗传算法小波变换关键词：图像分割中图分类号：ＴＰ３９１文献标识码：Ａ文章编号：１００２－２４２２（２０１０）０２－０００１－０３

ＴｈｅＭｅｔｈｏｄｓａｎｄＰｒｏｇｒｅｓｓｏｆＩｍａｇｅＳｅｇｍｅｎｔ

ＳｏｎｇＹｉｎｍａｏ

ＬｉｕＬｅｉ

Ａｂｓｔｒａｃｔ:Ｔｈｅｐａｐｅｒｉｌｌｕｓｔｒａｔｅｓｓｅｖｅｒａｌｋｉｎｄｓｏｆｃｌａｓｓｉｃａｌｉｍａｇｅｓｅｇｍｅｎｔｍｅｔｈｏｄｓ,ａｎｄａｎａｌｙｚｅｓｔｈｅｉｒａｄｖａｎｔａｇｅｓａｎｄｄｉｓａｄｖａｎｔ－

ａｇｅｓ;ｔｈｅｎｐｒｅｓｅｎｔｓｔｈｅｒｅｃｅｎｔａｐｐｌｉｃａｔｉｏｎｓｏｆｉｍａｇｅｓｅｇｍｅｎｔ,ｆｉｎａｌｌｙｔｈｅｌａｔｅｓｔｒｅｓｅａｒｃｈｐｒｏｓｐｅｃｔｓｏｆｔｈｅｉｍａｇｅｓｅｇｍ－ｅｎｔａｒｅｐｒｏｐｏｓｅｄ．

Ｋｅｙｗｏｒｄ:ＩｍａｇｅＳｅｇｍｅｎｔＴｈｒｅｓｈｏｌｄＳｅｇｍｅｎｔＧｅｎｅｔｉｃＡｌｇｏｒｉｔｈｍＷａｖｅｌｅｔＴｒａｎｓｆｏｒｍ

图像分割是按照一定的规则把图像划分成若干个互不相交、具有一定性质的区域，把人们关注的部分从图像中提取出来，进一步加以研究分析和处理。图像分割的结果是图像特征提取和识别等图像理解的基础，对图像分割的研究一直是数字图像处理技术研究中的热点和焦点。图像分割使得其后的图像分析，识别等高级处理阶段所要处理的数据量大大减少，同时又保留有关图像结构特征的信息。图像目标检分割在不同的领域也有其它名称，如目标轮廓技术、测技术、阈值化技术、目标跟踪技术等，这些技术本身或其核心实际上也就是图像分割技术[１]。

缘常常意味着一个区域的终结和另一个区域的开始。对于边缘的检测常常借助空间微分算子进行，通过将其模板与图像卷积完成。两个具有不同灰度值的相邻区域之间总存在灰度边缘，而这正是灰度值不连续的结果，这种不连续可当今的边缘检测方法中，以利用求一阶和二阶导数检测到。

主要有一次微分、二次微分和模板操作等。这些边缘检测器对边缘灰度值过渡比较尖锐且噪声较小等不太复杂的图像可以取得较好的效果。但对于边缘复杂的图像效果不太理想，如边缘模糊、边缘丢失、边缘不连续等。噪声的存在使基于导数的边缘检测方法效果明显降低，在噪声较大的情况下所用的边缘检测算子通常都是先对图像进行适当的平滑，抑制噪声，然后求导数，或者对图像进行局部拟合，再用拟合光滑函数的导数来代替直接的数值导数，如Ｍａｒｒ算子、ｃａｎｎｙ算子等[４]。在未来的研究中，用于提取初始边缘点的自适应阈值选取、用于图像层次分割的更大区域的选取以及如何确认重要边缘以去除假边缘将变的非常重要。１．３基于函数优化[５]的分割方法

此方法是图像分割中另一大类常用的方法。其基本思路是给出一个目标函数，通过该目标函数的极大化或极小化来分割图像。ＧＡ．Ｈｅｗｅｒ等人提出了一个具有广泛意义的目标函数。统计学分割方法、结合区域与边缘信息的方法、基于贝叶斯公式的分割方法等是目前几种活跃的函数优化方法。

统计学分割方法是把图像中各个像素点的灰度值看作是具有一定概率分布的随机变量，且观察到的实际物体是作了某种变换并加入噪声的结果。统计学分割方法包括基于马尔科夫随机场方法、标号法、混合分布法等。

区域增长法和分裂合并法[６]是基于区域信息的图像分割的主要方法。区域增长有两种方式，一种是先将图像分割成很多的一致性较强的小区域，再按一定的规则将小区域

１经典图像分割方法

１．１阈值分割方法

阈值分割是常见的直接对图像进行分割的算法，根据图像像素的灰度值的不同而定。对应单一目标图像，只需选取一个阈值，即可将图像分为目标和背景两大类，这个称为单阈值分割；如果目标图像复杂，选取多个阈值，才能将图像中的目标区域和背景被分割成多个，这个称为多阈值分割，此时还需要区分检测结果中的图像目标，对各个图像目标区域进行唯一的标识进行区分。阈值分割的显著优点，成本低廉，实现简单。当目标和背景区域的像素灰度值或其它特征存在明显差异的情况下，该算法能非常有效地实现对图像的分割。阈值分割方法的关键是如何取得一个合适的阈值，近年来的方法有:用最大相关性原则选择阈值的方法、基于图像拓扑稳定状态的方法、灰度共生矩阵方法[２]、最大熵法[３]和谷值分析法等，更多的情况下，阈值的选择会综合运用两种或两种以上的方法，这也是图像分割发展的一个趋势。

１．２基于边缘的图像分割方法

边缘总是以强度突变的形式出现，可以定义为图像局部特性的不连续性，如灰度的突变、纹理结构的突变等。边

收稿日期：２０１０－０１－１９

*宋寅卯郑州轻工业学院电气信息工程学院教授（河南，郑州４５０００２）。

·１·

图像;识别;视觉

融合成大区域，达到分割图像的目的。另一种实现是给定图像中要分割目标的一个种子区域，再在种子区域基础上将周围的像素点以一定的规则加入其中，最终达到目标与背景分离的目的;分裂合并法对图像的分割是按区域生长法沿相反方向进行的，无需设置种子点。其基本思想是给定相似测度和同质测度。从整幅图像开始，如果区域不满足同质测度，则分裂成任意大小的不重叠子区域，如果两个邻域的子区域满足相似测度则合并。

等领域得到了广泛的应用。小波变换是一种多尺度多通道分析工具，比较适合对图像进行多尺度的边缘检测。从图像处理角度看，小波变换具有“变焦”特性，在低频段可用高频率分辨率和低时间分辨率，在高频段可用低频率分辨率和高时间分辨率，小波变换在实现上有快速算法具有多分辨率，也叫多尺度的特点，可以由粗及精地逐步观察信号等把优点。近年来多进制小波也开始用于边缘检测[１１]。另外，小波变换和其它方法结合起来的图像分割技术也是现在研究的热点。

２结合特定工具的图像分割算法

虽然图像分割目前尚无通用的理论，但是近年来大量学者致力于将新概念、新方法应用于图像分割，结合特定理论的图像分割方法在图像分割方面取得了较好的应用效神经网络、遗传算法等数学工果。如小波分析和小波变换、具的利用，有效地改善了分割效果[７]。２．１基于遗传算法的图像分割

遗传算法是模拟自然界生物进化过程与机制求解问题的一类自组织与自适应的人工智能技术。对此，科学家们进行了大量的研究工作，并成功地运用于各种类型的优化问题，在分割复杂的图像时，人们往往采用多参量进行信息融合，在多参量参与的最优值求取过程中，优化计算是最重要的，把自然进化的特征应用到计算机算法中，将能解决很多问题。遗传算法的出现为解决这类问题提供了新而有效的方法，不仅可以得到全局最优解，而且大量缩短了计算时王月兰等人提出的基于信息融合技术的彩色图像分割间。

[８]

３图像分割的应用现状

在图像处理中，图像分割是一种重要的技术，是图像分析的基础。随着图像分割技术研究的深入，其应用日趋广泛，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。凡属需要对图像目标进行提取、测量的工作都离不开图像分割。通常，图像分割是为了进一步对图像进行分析、识别、压缩、编码等，图像分割的准确性将直接影响后继的工作，因此，分割的方法和精确程度是至关重要的。目前，图像分割在图像工程中占据非常重要的位置，图像分割已在交通、医学、遥感、通信、军事和工业自动化等诸多领域得到广泛应用。表１是应用领域表。表１

领域生物医学

遥感测绘视频通信文字档案法律公安航空航天

应用实例

染色体分析、Ｘ光、ＣＴ、ＰＥＴ图像分析、显微图像分析等；矿藏勘探、资源探测、气象预报、自然灾害监控等；可视电话、电视会议等；文字识别、邮件分拣等；

车牌识别、人脸识别等；指纹识别、

太空探测、星际图像分析等

方法，该方法应用剥壳技术将问题的复杂度降低，然后将信息融合技术应用到彩色图像分割中，为彩色分割在不同领域中的应用提供了一种新的思路与解决办法。２．２基于人工神经网络技术的图像分割

基于神经网络的分割方法的基本思想是先通过训练多层感知器来得到线性决策函数，然后用决策函数对像素进近年来，随着神经学的研究和进行分类来达到分割的目的。

展，第三代脉冲耦合神经网络（ＰＣＮＮ）作为一种新型人工神经网络模型，其独特处理方式为图像分割提供了新的思路。脉冲耦合神经网络具有捕获特性，会产生点火脉冲传播，对输入图像具有时空整合作用，相邻的具有相似输入的ＰＣＮＮ具有天神经元倾向于同时点火。因此对于灰度图象，

然的分割能力，与输入图像中不同目标区域对应的神经元在不同的时刻点火，从而将不同区域分割开来。如果目标区域灰度分布有重叠，由于ＰＣＮＮ的时空整合作用，如果灰度分布符合某种规律，ＰＣＮＮ也能克服灰度分布重叠所带来的不利影响，从而实现较完美的分割图像分割中将起主导作用。２．３基于小波分析和变换的图像分割

近年来，小波理论得到了迅速的发展，而且由于其具有良好的时频局部化特性和多分辨率分析能力，在图像处理

[９，１０]

４结束语

虽然近年来图像分割的研究成果越来越多，但由于图像分割本身所具有的难度，使研究仍然存在一些问题，现有的许多种算法都是针对不同的图像，并没有一种普遍适用的分割算法。迄今为止，没有一个好的通用的分割评价标准，如何对分割结果作出量化的评价是一个值得研究的问题，该量化测度应有助于视觉系统中的自动决策及评价算法的优劣，该测度应考虑到均质性、对比度、紧致性、连续心理一视觉感知等因素，伴随着数字图像处理的应用领性、

域不断扩大，实时处理技术已成研究的热点，在实时图像处理系统中，算法的运行时间也成为今后研究的方向和目标。

参考文献

[１]章毓晋．图像分割．北京：科学出版社，２００１，７８－９０．

[２]付忠良．基于图像差距度量的阈值选取方法[Ｊ]．北京：计算机

研究与发展，２００１，３８（５）:５６３－５６７．

[３]华长发，范建平，高传善．基于二维熵阈值的图像分割及其快

速算法[Ｊ]．合肥：模式识别与人工智能，１９９９，１２（３）:３２９－３３３．[４]柏子游，张勇，虞烈．一种彩色图像的色彩分割方法[Ｊ]．合肥：

。这是其一个突出

的优点，而这恰恰是其他的分割方法所欠缺的，其在未来的

·２·

图像;识别;视觉

２０１０年４月

电脑学习

第２期

人工智能综述

卢妙娜*

摘

王润

要：人工智能是研究使计算机来模拟人的某些思维过程和智能行为的学科，主要包括计算机实现的智能的原理、制造类似

于人脑智能的计算机，使计算机能实现更高层次的应用。

计算机

知识

关键词：人工智能中图分类号：ＴＰ１８

文献标识码：Ａ文章编号：１００２－２４２２（２０１０）０２－０００３－０２

ＬｕＭｉａｏｎａ

ＷａｎｇＲｕｎ

ＡｎＯｖｅｒｖｉｅｗｏｆＡｒｔｉｆｉｃｉａｌＩｎｔｅｌｌｉｇｅｎｃｅ

Ａｂｓｔｒａｃｔ:

″ＡｒｔｉｆｉｃｉａｌＩｎｔｅｌｌｉｇｅｎｃｅ″ｉｓｔｈｅｓｕｂｊｅｃｔｔｈａｔｓｔｕｄｉｅｓｈｏｗｔｏｕｓｅｃｏｍｐｕｔｅｒｓｔｏｓｉｍｕｌａｔｅｈｕｍａｎｔｈｏｕｇｈｔｓａｎｄｂｅｈａｖｉｏｒｓ,

ｗｈｉｃｈｉｎｃｌｕｄｅｓｔｈｅｒｅａｌｉｚａｔｉｏｎｐｒｉｎｃｉｐｌｅｓｏｆｃｏｍｐｕｔｅｒｉｎｔｅｌｌｉｇｅｎｃｅ,ｐｒｏｄｕｃｉｎｇｃｏｍｐｕｔｅｒｓｓｉｍｉｌａｒｔｏｈｕｍａｎｉｎｔｅｌｌｉｇｅｎｃｅ,ａｎｄａｐｐｌｙｉｎｇｃｏｍｐｕｔｅｒｓｉｎｔｈｅｐｒａｃｔｉｃｅｏｎａｈｉｇｈｅｒｌｅｖｅｌ．

Ｋｅｙｗｏｒｄ:ＡｒｔｉｆｉｃｉａｌＩｎｔｅｌｌｉｇｅｎｃｅＣｏｍｐｕｔｅｒＫｎｏｗｌｅｄｇｅ

１计算机与智能

熟知的棋王卡斯帕罗夫与ＩＢＭ公司的“深蓝”计算机系统进行了六局“人机大战”，结果“深蓝”以３．５比２．５的总比分获胜。比赛给人们留下了深刻的思考；下棋要求选手要有很强的思维能力、记忆能力、丰富的下棋经验，还得及时作出反映，否则一着出错满盘皆输，这显然是个“智能”问题。尽管开发“深蓝”计算机的ＩＢＭ专家认为离智能计算机还相差甚远，但以每秒２１０８步棋的并行的计算速度，实现了人类智力的计算机上的部分模拟。

从字面上看，“人工智能”就是用人工的方法在计算机上实现人的智能，或者说是人们使计算机具有类似于人的智能。

这时，本来对人工智能抱怀疑态度的人提出诸多样的困难。

苛刻的指责，人工智能的研究一度进入了低潮。

然而人们继续探索，认识到人的智能表现在人能学习知识，有了知识，能了解、运用已有的知识。智能的核心是思维，人的一切智慧或智能都来自大脑思维活动，人类的一切知识都是人们思维的产物。要让计算机“聪明”起来，首先人要解决计算机如何学会知识，以及如何运用知识的问题。此后，工智能研究的开展应当改变为以知识为中心来进行。以专家知识为基础开发的专家系统在许多领域里获得成功，例如地矿勘探专家系统拥有１５种矿藏知识，能根据岩石标本及地质勘探数据对矿产资源进行估计和预测，能对储藏量、开采价值等进行推断，制定合理的开采矿床分布、

方案，成功地找到了超亿美元的钼矿，显示出较高的水平。

专家系统的成功，充分表明知识是智能的基础，人工智能的研究必须以知识为中心来进行。由于知识的表示、利用、获取等研究都取得较大的进展。因而，人工智能的研究已解决了许多理论和技术上的问题。

２智能与知识

在２０世纪７０年代以后，许多国家都相继开展了人工智能的研究，由于当时对实现机器智能理解得过于容易和片面，认为只要一些推理的定律加上强大的计算机就能有专家的水平和超人的能力。这样虽然也获得一定成果，但问题也跟着出现了，例如机器翻译当时人们往往认为只要用一部双向词典及词法知识，就能实现两种语言文字的互译，其实完全不是这么一回事。例如，把英语句子“Ｔｉｍｅｆｌｉｅｓｌｉｋｅａｎａｒｒｏｗ”（光阴似箭）翻译成日语，然后再译回英语，竟然成为“苍蝇喜欢箭”。在其它方面也都遇到这样或者那

模式识别与人工智能，１９９９，１２（２）:２４１－２４４．

沈兰荪．图像分割研究综述[Ｊ]．北京：测控技术，２０００，[５]王爱民，１９（５）：１－５．

田捷，诸葛婴，等．图像分割方法综述．合肥：模式识[６]罗希平，

别与人工智能，１９９９，１２（３）:３００－３１２．

[７]钱志柏．基于模糊聚类和ＰＣＮＮ的图像分割新算法研究[Ｄ]．兰州：兰州大学研究生论文，２００４：６．

[８]王月兰，曾迎生．信息融合技术在彩色图像分割方法中的应用

３人工智能研究的目标

１９５０年英国数学家图灵发表的“计算机与智能”论文中提出著名的“图灵测试”，让人和机器分别位于两个房间，只可通话，不能互相看见。通过对话，如果人的一方不能区分对方是人还是机器，那么就可以认为那台机器达到了

[Ｊ]．北京：计算机学报，２０００，２３（７）:７６３－７６７．

ＨＳＲａｎｇａｎａｔｈ．Ｐｅｒｆｅｃｔｉｍａｇｅｓｅｇｍｅｎｔａｔｉｏｎｕｓｉｎｇ[９]ＧＫｕｎｔｉｍａｄ，

ＰＣＮＮ[Ｊ]．ＩＥＥＥＴｒａｎｓ，ＮｅｕｒａｌＮｅｔｗｏｒｋｓ，Ｍａｙ１９９９，１０（３）:５９１－５９８．

[１０]ＭａＹｉｄｅ，ＤａｉＲｏｌａｎ，ＬｉＬｉａｎｅｔａｌ．Ｉｍａｇｅｓｅｇｍｅｎｔａｔｉｏｎｏｆｅ－

ｍｂｒｙｏｎｉｃｐｌａｎｔｃｅｌｌｕｓｉｎｇＰｕｌｓｅ－ＣｏｕｐｌｅｄＮｅｕｒａｌＮｅｔｗｏｒｋｓＣ－ｈｉｎｅｓｅＳｃｉｅｎｃｅＢｕｌｌｅｔｉｏｎ，２００２，４７（０２）:１６７－１７２．（ＳＣＩ）[１１]ＫｅｎｎｅｔｈＲＣａｓｔｌｅｍａｎ．数字图像处理[Ｍ]．北京：电子工业出

１９９８．版社，

．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．

收稿日期：２０１０－０１－１１

*卢妙娜韩山师范学院外语系高教研究助理研究员（广东，潮州５２１０４１）。

·３·