基于粗糙集理论的图像分割

《基于粗糙集理论的图像分割》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、基于粗糙集理论的图像分割：图像分割是数字图像处理中的重要问题，阈值分割法是图像分割的典型方法，其中阈值的选择是影响图像分割质量的一个重要方面。为了提高分割的准确度，该文将粗糙集理论应用于分割阈值的确定。将图像基本直方图确定为粗糙集的下近似，而将Histon直方图确定为上近似，由此计算出粗糙度，进而得到有效的分割阈值。实验结果表明，该算法和传统直方图阈值分割法相比，具有较高的分割准确度。　　关键词：图像分割；直方图；粗糙集；粗糙度；阈值分割　　：TP18：A：1009-3044(2011)10-2356-02　　ImageSegmentationBasedonRoughSetT

2、heory　　LIRan　　(SchoolofElectronicandmunicationEngineering,NorthChinaElectricPoagesegmentationisanimportantproblemindigitalimageprocessing.Thresholdsegmentationmethodisatypicalimagesegmentationmethod,andthechoiceofthresholdsisanimportantaspectthataffectsthequalityofimagesegmentation.Forimpro

3、vingaccuracyofsegmentation,roughsettheoryisappliedtodeterminethresholdinthispaper.Histogramisdefinedastheloationoftheroughsetofimage,andtheHistonisdefinedastheupperone.Thusroughnessiscalculated,andthentheeffectivesegmentationthresholdcanbedetermined.Experimentalresultsshohashighsegmentation

4、accuracyparedentationmethod.　　Keyagesegmentation;histogram;roughset;roughness;thresholdsegmentation　　在图像分析和计算机视觉中，如何把目标物体从图像中有效分割出来一直是一个经典的难题，它决定图像的最终分析质量和模式识别的判别结果。图像分割就是将图像中有特殊意义的不同区域分割开来，使这些区域互不重叠。很多应用领域，最终的对象分类质量和场景解释在很大程度上取决于高质量的分割输出[1]。　　图像分割方法的选择，在很大程度上依赖于特定的成像方式以及成像中的可变因素和不变因素(如噪声和纹

5、理等)，这些都会在很大程度上影响后继的分割[2]。现今国内外常用的图像分割方法主要包括阈值法[3-6]、区域生长法[7-8]、边缘检测法[9-10]、结合特定理论工具的分割方法等[11-13]。　　粗糙集理论是一种具有不精确、不确定、不完整和不一致信息的全新数学工具，它可以从大量的数据中分析、推理、挖掘隐含知识及规律。本文将粗糙集理论中上近似和下近似的概念引入图像的直方图中，将粗糙度和直方图阈值分割法结合起来，确定最佳分割阈值，最终实现图像分割。　　1粗糙集理论的基本思想　　粗糙集理论是20世纪80年代初由波兰数学家Z.Paeraman图进行分割实验。图1（a）为原始图像，图

6、1（b）为基本直方图分割法得到的分割结果，图1（c）为依据粗糙度选取最佳阈值的分割结果。由图1（c）可以看出，选用本文给出的分割方法相对于基本直方图分割法目标区域的提取更为完整，背景去除更为彻底。　　5结论　　本文将粗糙集理论引入传统的直方图阈值图像分割法，提出了一种高效的图像分割方法。该方法利用粗糙集理论中的近似空间概念，将基本直方图和Histon直方图分别归为下近似和上近似，由此计算出粗糙度，来选取最佳的分割阈值，提高了区域划分的准确度。实验结果表明，基于粗糙度选取阈值的分割方法对于目标和背景没有明显差异并且背景复杂的图像会得到较好的分割结果。