基于改进粒子群算法和三维otsu的图像分割研究

《基于改进粒子群算法和三维otsu的图像分割研究》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、武汉理工大学硕士学位论文第1章绪论1.1课题研究背景及意义近些年，计算机信息技术的不断向前发展，越来越多的人使用计算机来协助人类完成一些工作，视觉图像信息采集与处理就占很大一部分。经过有关调查，人类利用眼睛观察外界从而获得超过80%的有用信息，其中有图形信息、视频信息、数据信息以及文本信息等，它是人们相互交流、传递信息的一种强有效的方式，图像也因为所包含的信息量较大、对于人来说表现相对直观，所以在多媒体技术中占据十分重要的位置。获得信息后，就要对这些数字图像进行处理，人们将图像信息转码成为数字信息，然后使用计算机来对数字信息运算

2、以及加工处理的过程，从而满足人们在图像加工方面的需要。在图像处理的过程当中，人们通常需要对图像的某一个或者某些特定区域进行提取，一般把这部分图像称为目标，同时也称为前景。为了提取出来这些人们感兴趣的部分，这时需要采用图像分割技术。图像分割技术在数字图像处理过程中最为基础,它将图像中对于人们来说感兴趣的部分例如图像中各物体的边缘、外观以及相关区域等截取出来,包括这也是接下来对图像进行模式识别、分析、处理的基础,因此图像分割的效率和准确性对后续工作来说至关重要。在上世纪中期,计算机视觉理论尚未系统的阐述时,人们在图像分割方面就有了一

3、定的探讨。然而直到今天，依然还没有找到对所有图像都适合的一种分割算法。人们在研究物体成像原理的过程中，开始慢慢认识到了某些对物体成像影响比较大的方面。首先，物体在从三维世界映射到二维空间时，会将图像中的深度信息已经一些背面不能观测到的信息丢失，而且物体投影的方向不同，形成的二维图像也会有较大差别，还有当环境比较复杂时，投影过程中相互覆盖导致信息的丢失等等;其次,还有很多外界环境会影响物体的成像，例如成像物体的光源的方位，物体的外部形状、材质等等，而且在物体投影到成像设备上时总会带来部分噪声和形变。所以在人们进行图像分割时图像信息

4、缺失的方式总是各种各样，采用某一固定的分割方法对这些因为不同原因而导致信息丢失的图像进行分割时一种不切实际的事情。不过可以先对图像进行分类和总结，然后再对各类图像设计特定的图像分割算法。1万方数据武汉理工大学硕士学位论文在信息化的今天，一般来说，图形的各种信息是通过数学模型的方式表现出来的，对图形进行分割根本上是将图形中的物体轮廓、色彩、物理特性等等方面通过数学方法处理并区分出来。图像分割技术大体来说可以分为两种：一种是图像分割方法是基于区域的，主要思想是假定相邻像素具有相似的特征，并把有着类似特征的像素归为一类从而构建成为一个

5、区域;另外一种是基于边界的图像分割算法,其中的主要思想是通过几个区域间的不连续性来判断。现在人们常规使用的图形分割法有:阈值法、区域生长法、基于聚类的分割法、分水岭法、融合另外一些理论的分割方法以及边缘检测法等。阈值法在分割时利用图像的灰度频率信息对图像进行分块,其方法简单可行而且性能稳定，所以成为图像分割中的中心技术。人们经常使用的阈值分割[1][2][3]方法，包括直方图法，最大类间方差法（即Otsu法），最大熵法和模糊[4]聚类算法等。其中因为Otsu法的实现方法比较简单而且它的运算效率也比较高，从而使它成为了人们进行图像

6、分割时最多采用的一种方法。在采用阈值法对图像进行分割的时候，阈值大小的确定是问题的核心，但是要在一个多峰图像的全灰度区域内找到一个较为准确的最优阈值组合时，分割的过程会需要花费很长的时间，无法达到人们在图像分割的实时性方面的需求。而且阈值法还存在一定缺陷就是它只利用到了图像的灰度信息，一旦图像中各个物体的灰度值区域有了较大的重叠或者只存在较小的灰度差异，这时采用阈值分割就很难得到良好的效果。同时当图像上存在一些噪声时，简单的阈值分割也不能很好的将目标提取出来，这时就需要利用到图像的空间信息和领域信息。然而将Otsu法上升到三维空

7、间时，过往经常使用的算法是通过简单的遍历来寻找最优阈值，所以在运算方面耗费了许多时间，正是这点大大局限了Otsu法的应用范围。所以，找到一种能快速而稳定的求解基于Otsu法图像分割问题的算法有着重大的意义。本文将重点讨论粒子群算法的相关改进以及其在阈值分割中的应用，主要是为了在得到较好的分割效果的同时，减少模型的运算时间。1.2国内外研究现状1.2.1图像分割方法的研究现状图像处理中一项非常需要注意的方面那就是图像数学运算的复杂程度。一个大小为500500的灰度图形,包含灰度级为256的像素点的个数是250000个。2万方数据

8、武汉理工大学硕士学位论文虽然说一般常规的对图形进行分割的时候只是对图形像素点的灰度级进行操作，没有要求直接对像素处理，这在某种层面减轻了分割方法的运算级别，不过即使这样大多数应用问题的运算量级依然很高。正因为大多数的图像处理问题都能够用寻求最优解来替代，所以说图