【水下圖像分割算法研究的相關(guān)理論基礎(chǔ)3100字】

水下圖像分割算法研究的相關(guān)理論基礎(chǔ)綜述目錄TOC\o"1-3"\h\u23792水下圖像分割算法研究的相關(guān)理論基礎(chǔ)綜述 127638常見的圖像分割方法 132582紋理特征提取方法 131901圖像分割 2136842.3.1基于閾值的缺陷分割方法 2133812.3.2基于區(qū)域生長的圖像分割方法 418435圖像邊緣檢測(cè) 6常見的圖像分割方法基于邊緣檢測(cè)的分割，圖像的分割第一步是要檢測(cè)出圖像的邊緣點(diǎn)并按一定的形態(tài)進(jìn)行連接構(gòu)成輪廓，并組成了分割區(qū)域。檢測(cè)圖像的邊緣最關(guān)鍵是要提升檢測(cè)結(jié)果的精準(zhǔn)度和降噪性。準(zhǔn)確度的提高可能導(dǎo)致噪音產(chǎn)生的假邊緣產(chǎn)生不合理的輪廓,而假如提高噪聲則會(huì)失去精度，產(chǎn)生偏差。針對(duì)這一現(xiàn)實(shí)問題展開了研究，最后提出了多尺度邊緣檢測(cè)，依據(jù)實(shí)際的情況結(jié)合邊緣檢測(cè)的信息，提出了較好的能夠?qū)⒖乖胄院蜋z測(cè)精度同步提升的方法。但這種方式并不能從根本上擺平上述的問題，只是一個(gè)低層信息的輪廓跟蹤問題?；趨^(qū)域的分割，是將圖像的特征劃分成不同的層次，常見的有原始圖像或者是彩色之變換得到的特征。預(yù)值法就是通過設(shè)定不同的特征預(yù)值，將圖像的像素點(diǎn)分成了若干份，它的難點(diǎn)就是預(yù)值的設(shè)定，因?yàn)轭A(yù)值的設(shè)定帶有主觀的色彩，傳統(tǒng)的預(yù)值設(shè)定方法包括了模糊預(yù)值以及局部預(yù)值的方法。在對(duì)像素點(diǎn)實(shí)施聚類處理的過程中，因?yàn)榫垲惙o法兼顧到像素空間的拓補(bǔ)關(guān)系，必須經(jīng)過后期的分割處理才能達(dá)到預(yù)期的效果，因此聚類法的分割準(zhǔn)則就是重點(diǎn)。區(qū)域生長，是將各種子區(qū)域內(nèi)距離較近的像素點(diǎn)根據(jù)特定的規(guī)則來實(shí)行拼接，區(qū)域生長的方法可以覆蓋拼接區(qū)域內(nèi)全部的像素點(diǎn)，對(duì)種子點(diǎn)的設(shè)定一般采取人機(jī)交互的辦法，這種方法最重要的也是對(duì)結(jié)果影響最大的就是種子點(diǎn)位置的確定。松弛法就是通過動(dòng)態(tài)調(diào)用的方法來進(jìn)行圖像的分割。紋理特征提取方法所謂的紋理，一般將圖像灰度與圖像紋理的變化稱為紋理反應(yīng)，而影響其變化的主要因素又叫做紋理基元。在某特定區(qū)域內(nèi)，紋理基元因其獨(dú)有的相對(duì)穩(wěn)定的特征性，反復(fù)出現(xiàn)于這些單元的各個(gè)方向。紋理自身附帶了圖像表面的很多關(guān)鍵信息，是其公有屬性的體現(xiàn)，同時(shí)，紋理是圖像對(duì)所處環(huán)境特點(diǎn)的反應(yīng)形式和結(jié)果，從中可以看出同質(zhì)現(xiàn)象在圖像中的表現(xiàn)。圖像分割在針對(duì)圖像處理的熱門技術(shù)領(lǐng)域研究中，圖像分割是計(jì)算機(jī)對(duì)圖像進(jìn)行處理時(shí)在檢測(cè)圖像邊緣這一環(huán)節(jié)特別關(guān)鍵的一步。分割的主要作用是將圖像中的目的區(qū)域根據(jù)圖像的各個(gè)基本特征如：灰度紋理、幾何形狀等進(jìn)行劃分，因此劃分開的目的區(qū)域就存在相似度極高的基本特征，但處于相鄰區(qū)域的基本特征卻不同，所以各區(qū)域之間的邊界就能被輕易地劃定出來。若某圖像的區(qū)域用R表示，R由R1,R2,?,R完備性：i=1n連通性：Ri為連通集，i=1,2,?,n獨(dú)立性：Ri∩R一致性：QRi=TURE差別性：任意相鄰區(qū)域Ri傳統(tǒng)的圖像分割方法如下。2.3.1基于閾值的缺陷分割方法圖2-1圖的直方圖設(shè)圖像的直方圖如圖2-1所示，設(shè)圖像的閾值為并分為兩和兩個(gè)區(qū)間。閾值需滿足兩個(gè)條件：（1）為和圖像背景相關(guān)聯(lián)的灰度級(jí)；（2）為圖像中物體的全部灰度級(jí)。從圖2-1中可以看出，從掃描到的過程中，其中間的灰度突變表明邊界的存在。則應(yīng)當(dāng)首先確定門限值，具體步驟如下：步驟一：對(duì)圖像逐行掃描，產(chǎn)生的圖像灰度滿足的條件如（2.1）所示：(2.1)其中，和分別表示圖像的邊緣灰度級(jí)和背景灰度級(jí)。步驟二：圖像逐行掃描，產(chǎn)生的灰度圖像滿足的條件如（2.2）所示：(2.2)圖像的邊緣可用（2.3）式來處理：(2.3)以上方法針對(duì)僅有兩個(gè)灰度像素值的圖像進(jìn)行閾值分割，當(dāng)出現(xiàn)多灰度級(jí)閾值時(shí)，可將待檢測(cè)圖像通過計(jì)算得到二值圖像。假設(shè)待檢測(cè)圖像為，為最佳分割閾值，則分割后的圖像為：(2.4)近年來的圖像分割研究大多是將多種閾值分割方法結(jié)合在一起，形成了高精度閾值分割的新方法。算法流程圖如圖2-2所示。圖2-2基于閾值的圖像分割流程圖2.3.2基于區(qū)域生長的圖像分割方法所謂區(qū)域生長的實(shí)施步驟，首先，從圖中挑選一組適合生長的點(diǎn)；其次，根據(jù)像素點(diǎn)獨(dú)有的相似性將其歸類并劃分至各個(gè)區(qū)域的種子像素內(nèi)，融合為全新的生長點(diǎn)，不斷重復(fù)這一步驟至該算法停止，相似像素的劃分標(biāo)準(zhǔn)可用公式（2.5）表達(dá)：（2.5）區(qū)域生長需符合以下條件：第一對(duì)生長點(diǎn)的選取要妥當(dāng)；第二再生長的模板準(zhǔn)則要確定；第三生長算法停止的條件要準(zhǔn)確。該方法需要選擇更合適的種子點(diǎn)，否則容易產(chǎn)生噪聲敏感，導(dǎo)致分割后的圖像分割不精確，出現(xiàn)欠分割或過分割的現(xiàn)象。Levine等人率先提出區(qū)域生長的分割算法一般可通過兩種方法來實(shí)現(xiàn)。第一種是首先選擇適用于待分割圖像的種子，并不斷擴(kuò)大該種子的區(qū)域，并根據(jù)區(qū)域生長的條件判斷停止擴(kuò)張的時(shí)機(jī)，最后完成區(qū)域生長分割的過程；第二是將分割后的圖像分割成具有灰度值相似或相同特征的小區(qū)域，然后通過人為設(shè)定好的條件將這些小區(qū)域合并成分割子圖像，從而完成圖像的分割?；趨^(qū)域生長的水下圖像分割的實(shí)現(xiàn)過程為：將待分割的圖像看做一個(gè)個(gè)像素點(diǎn)的集合，再依J分類每個(gè)子區(qū)域像素點(diǎn)存儲(chǔ)到二維矩陣，設(shè)置生長條件且將每個(gè)分割子圖像灰度均值為生長種子初始值，將符合條件像素的鄰域未歸屬像素坐標(biāo)信息和存入，并計(jì)算生長種子像素與該像素的差距記為，最后將這些差距最小的點(diǎn)記入。則區(qū)域生長需滿足如條件（2.6）所示：(2.6)使得下列條件成立：(2.7)(2.8)其中，被分割后圖像其灰度像素值用表示；待分析的相鄰區(qū)域內(nèi)像素點(diǎn)的灰度像素值用表示；完整的圖像被分割后的子圖像用表示，且任意兩個(gè)子圖像間沒有相重合的情況。本文用形態(tài)學(xué)方法對(duì)水下圖像進(jìn)行平滑處理,得到水下圖像的感興趣區(qū)域，則基于不同區(qū)域進(jìn)行生長的水下圖像分割流程設(shè)計(jì)如圖2-3所示。圖2-3基于區(qū)域的水下圖像分割算法流程圖像邊緣檢測(cè)通過邊緣檢測(cè)，可以為后續(xù)的計(jì)算和處理打下良好的基礎(chǔ)，使準(zhǔn)確率和效率都得到顯著提升。（1）Sobel算子當(dāng)像素點(diǎn)的零點(diǎn)灰度加權(quán)差使被檢測(cè)圖像的邊緣達(dá)到的值最大時(shí)，Sobel算子的邊緣檢測(cè)效果最好。圖像亮度的函數(shù)和灰度近似值可利用離散性差分算子運(yùn)算求得，圖像中任意點(diǎn)的尺寸使用值都存在與其相對(duì)應(yīng)的矢量。Sobel算子可化為兩組3x3的矩陣，經(jīng)邊緣檢測(cè)所得的縱橫兩側(cè)圖像灰度值依次為Gy、Gx，其矩陣表達(dá)式如下：GX=?101?202Sobel算子對(duì)圖像分割的準(zhǔn)確性不高，但效率較高，因此在對(duì)精度要求不高的場(chǎng)景較為適用。（2）Prewitt算子Prewitt算子與Sobel算子的原理類似，也是一個(gè)一階算子，檢測(cè)效果沒有達(dá)到很精準(zhǔn)的要求，但是具有效率高的優(yōu)點(diǎn)。（3）Canny算子Canny算子具有良好的邊緣檢測(cè)性能，與上面提出的兩種算子相比檢測(cè)效果更好，現(xiàn)在被廣泛運(yùn)用。Canny算法是通過一階微分的方式來進(jìn)行圖像檢測(cè)。該算法是通過濾波和邊緣檢測(cè)的沖突，再進(jìn)行邊緣提取時(shí)滿足了：信噪比準(zhǔn)則、定位精度準(zhǔn)則、單邊緣響應(yīng)準(zhǔn)則等準(zhǔn)則。Canny算法框圖如圖2-4所示。圖2-4Canny算法框圖Canny算法的步驟是：首先基于高斯濾波抑制白噪聲對(duì)采集來的圖像序列的干擾，選擇方差要適中，在圖像預(yù)處理時(shí)已經(jīng)完成了該步驟，假定去除噪音之后的圖像為I[x,y]。然后利用差分模板計(jì)算高斯濾波后圖像I[x,y]像素點(diǎn)的梯度值和方向，假定P[i.j]和Q[I,j]分別為X軸與Y軸的偏導(dǎo)數(shù)，則采用的二維差分卷積模板為：（2.10）則可以獲得X，Y軸方向的差分為：（2.11）設(shè)圖像像素點(diǎn)的梯度幅值為M[i,j]，則基于一階差分模板，得出像素點(diǎn)的梯度幅值M[i,j]和其對(duì)應(yīng)的梯度方向N[i,j]為：（2.12）通過非極大值來去除虛假的邊緣點(diǎn)，具體的步驟是：依據(jù)濾波后的圖像I[x,y]像素點(diǎn)的梯度值M[i,j]和相鄰像素點(diǎn)的梯度幅值的大小來進(jìn)行虛假邊緣點(diǎn)的去除，如果M[i,j]大于像素點(diǎn)梯度方向上相鄰像素點(diǎn)的梯度值，則像素點(diǎn)可以確定為邊緣點(diǎn)。梯度方向分為四個(gè)不規(guī)則區(qū)域，將像素點(diǎn)的幅值與相鄰像素點(diǎn)的幅值進(jìn)行比較，判斷該像素點(diǎn)是否為