基于閾值和聚類的彩色圖像分割方法研究.pdf

1、圖像分割是提取圖像中感興趣目標(biāo)的過程。該過程采用某種相似性準(zhǔn)則,將圖像劃分為多個區(qū)域。圖像分割是圖像工程中最基礎(chǔ)、最重要的任務(wù)之一。相比傳統(tǒng)的灰度圖像分割,彩色圖像分割能夠利用圖像的色彩、空間、紋理等信息,對分割效果的改進(jìn)更有幫助,因此彩色圖像分割方法的研究受到越來越多的關(guān)注。目前有眾多學(xué)者都嘗試對多種方法進(jìn)行結(jié)合,以更好的應(yīng)用于彩色圖像分割。
　　在圖像分割方法中,基于閾值的分割方法是較早出現(xiàn)的,也是目前最常用的。該類方法在圖像

2、分割中通常具有較優(yōu)的分割效果,缺點(diǎn)是對噪聲敏感,且應(yīng)用于彩色圖像多閾值分割時計算復(fù)雜度較高,無法滿足實(shí)時分割的要求?；诰垲惖姆指罘椒ㄊ菆D像處理領(lǐng)域研究的熱點(diǎn),而模糊 C均值聚類(Fuzzy C Means clustering,FCM)方法是其中最具代表性的一種。該方法的聚類效果較硬聚類算法有較大改進(jìn),但其所存在過度依賴初始聚類中心的問題尚未得到解決。本文主要從改善多閾值分割效率及解決 FCM初始化問題出發(fā),對彩色圖像分割方法進(jìn)行深入

3、研究。本文主要工作及成果如下:
　　①對顏色直方圖中存在明顯波峰波谷的圖像,本文提出一種基于局部區(qū)域的快速多閾值分割方法。該方法基于顏色分量直方圖進(jìn)行簡單聚類,然后對明顯波峰波谷進(jìn)行分析,在以波峰劃分的局部區(qū)域內(nèi)搜索最優(yōu)閾值,成功將圖像的多閾值分割轉(zhuǎn)化為各個局部區(qū)域的單閾值分割,可有效解決傳統(tǒng)多閾值分割所存在的迭代次數(shù)多、計算復(fù)雜度高等問題,顯著提高分割效率。
　　②對于顏色直方圖中不存在明顯波峰波谷的圖像,針對使用現(xiàn)有FC

4、M方法進(jìn)行分割時存在的過度依賴初始聚類中心的問題,提出一種改進(jìn)的FCM初始化方法。該方法先對圖像使用維納濾波,以降低噪聲對分割的影響;再使用二次分水嶺方法獲得邊緣清晰的分割區(qū)域,再以質(zhì)心表征各個區(qū)域的特征,以減少質(zhì)心篩選與合并過程中的計算量。該方法可獲得較準(zhǔn)確的初始聚類中心,不僅有效減少了運(yùn)算時間,而且能獲得更準(zhǔn)確的分割效果。
　?、蹖ι鲜鎏岢龅姆椒?分別與現(xiàn)有方法進(jìn)行了實(shí)驗對比,表明新方法在分割效果和處理效率上都有明顯改善。此外