基于灰度形态学重建的图像分割

《基于灰度形态学重建的图像分割》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、学校代码10530学号201431111899分类号TP391密级公开硕士学位论文基于灰度形态学重建的图像分割学位申请人罗秋棠指导教师石跃祥教授学院名称信息工程学院学科专业软件工程研究方向软件服务技术与电子政务二〇一六年四月十一日湘潭大学学位论文原创性声明本人郑廬声明：所呈交的论文是本人在导师的指导下独立进巧巧究所取得的硏究成果。離了文中特别加臥标注引用的内容外，本论文不包含化何其他个人或集保芭经发表或撰写的成果作品。对本文的研舜徹出重要贡献的个人和集体，均已在文中旣明确方式祿明。本人完全惹识到本声明的

2、法律后果曲本人承担。作者签名；因期：年月２＾《店ｋ）４每学位论文撒权使用授权书本学泣论文作者完全了解学校有关保留、使巧学位论文的兢定，間意学校保留并向国家有关部口或机构送交论文飽复印件和电子版，允许论文被査阅和借阔。本人授权湘潭大学可将本学位论文的全韶或部分拘容编入有关数据库迸行检索，可站采用影印、缩印或扫摘等复制手段保存和茫编本学位论义。涉密论文按学校规定处理。作者盤名巧势日期Ｉ年月２覆满Ｓ导师签名：日期：牌月日再辟ＪＴ球Imagesegmentationbasedongr

3、ayscalemorphologicalreconstructionCandidateLuoQiutangSupervisorProfessorShiYuexiangCollegeCollegeofInformationEngineeringProgramSoftwareEngineeringSpecializationSoftwareserviceandE-governmentaffairsDegreeEngineeringMasterUniversityXiangtanUniversityDate2016.4.11摘要进

4、入21世纪以来，计算机技术尤其是数字图像技术的不断进步发展，图像的重要性逐渐凸显，渐渐地成为粒子检测的主要方法之一，该方法的目标是从颗粒图像获得信息，尤其是外部轮廓的信息。在对颗粒图像进行分割的过程中，我们有可能会碰到粒子粘连甚至是重叠的情况，所以需要试图将这些粒子分离。图像处理领域中形态学应用范围较广，它非常重视图像的构成特征，较之类似方法形态学技术的结构特征优势明显。本文的图像分割主要采用数学形态学的分水岭算法。常规的分水岭算法对于噪声特别敏感，容易发生较为严重的过分割。通过某种基于标记的分水岭图像分割方法，可以较为大幅

5、度降低分水岭算法的过分割问题。实验结果显示，本方法在有效抑制过分割现象和有效分割粘连颗粒中获得较好的平衡点。本文的创新成果包括：1、本文提出了一种灰度形态学的图像分割算法。它较为有效的解决单一阈值分割方法中固有的某些缺陷。通过实验结果得知，本方法在分割精度和运算效率两方面都取得了一定的成果。2、本文提出了一种标记的分水岭分割算法。它在较为充分的利用图像信息的基础上，标记梯度图像，其后进行形态学分水岭变化，它在一定程度上对过分割问题进行了改善。通过实验得知，它对图像分割可以取得较之单纯应用分水岭算法更为令人满意的分割效果；它在

6、图像处理方面有着一定的应用前景。关键词：图像处理；图像分割；数学形态学；分水岭；IAbstractWiththedevelopmentoftechnologyofthecomputeranddigitalimagetechnology,imagemethodhasalreadybecomeakindofimportantmeansofmeasuringparticles,thepurposeistoobtainparticleappearancemessageofoutlineaccuratelyfromparticleim

7、age.Intheparticleimagesegmentation,theobjectsarealwaystouchedoroverlappedintoeachothersothatitisnecessarytoseparateorsplitthemintosingleones.Comparedtootherimageprocessingmethods,themathematicalmorphologymethodhastheuniqueadvantageinimageprocessing,inthispaper,thew

8、atershedalgorithmofmathematicalmorphologyisusedforimagesegmentation.Thispapersuggestsanimprovedmarker-basedwatershedimage-segmentationmethodtored