图像分割技术的发展

第25卷第5期2002年10月

鞍山钢铁学院学报

Journal of Anshan Institute of I.&S.T echnology

V ol.25N o.5

Oct.,2002图像分割技术的发展

欧阳鑫玉,赵楠楠,宋　蕾,谢元旦

(鞍山科技大学电子与信息工程学院,辽宁鞍山　114044)

摘　要:图像分割是图像处理中的一项关键技术,也是一经典难题,从发展至今仍没有找到一个通用的方法,也没有制定出判断分割算法好坏的通过标准.本文对图像分割方法中的域值分割方法、边缘检测方法和区域提取方法等作了一概述,并介绍了一些近年来出现的各种新方法和对分割评价标准的研究情况.最后,指出了图像分割技术今后的发展方向.

关键词:图像分割;发展;关键技术

中图分类号:T N911173　文献标识码:A　文章编号:1000Ο1654(2002)05Ο0363Ο06

图像分割是图像处理中的一项关键技术,自20世纪70年代起一直受到人们的高度重视,至今已提出上千种分割算法.然而,由于尚无通用的分割理论,现提出的分割算法大都是针对具体问题的,并没有一种适合所有图像的通用分割算法.另外,还没有制定出选择合用分割算法的标准,这给图像分割技术的应用带来许多实际问题[1].文献[1]和[2]介绍了图像分割技术的许多研究结果和方法,最近几年又出现了许多新思路、新方法或改进算法.本文将对一些经典的原有方法和新出现的方法作一简单的概述. 多年来人们对图像提出了不同的解释和表达,借助集合概念对图像分割可给出如下定义[1]:

令集合R代表整个图像区域,对R的分割可看做将R分成N个满足下列五个条件的非空子集(子区域)R1,R2,…,R N:(1)∪N

i=1

R i=R;(2)对所有的i和j,i≠j,有R i∩R j=<;(3)对i=1,2,…,N,有P(R i)=T rue;(4)对i≠j,有P(R i∪R j)=False;(5)对i=1,2,…,N,有R i是连通的区域.其中P(R i)是对所有在集合R i中元素的逻辑谓词,<代表空集.

对图像分割的研究可以分为对分割方法的研究和对分割评价标准的研究.

1　图像分割方法

图像分割方法有多种分类方式,本文将分割方法分为4类:(1)阈值分割方法;(2)边缘检测方法;

(3)区域提取方法;(4)结合特定理论工具的分割方法.

111　阈值分割方法

阈值分割方法的历史可追溯到近40年前,现已提出了大量算法.对灰度图像的取阈值分割就是先确定一个处于图像灰度取值范围之中的灰度阈值,然后将图像中各个象素的灰度值都与这个阈值相比较,并根据比较结果将对应的象素分为两类.这两类象素一般分属图像的两类区域,从而达到分割的目的.从该方法中可以看出,确定一个最优阈值是分割的关键.现有的大部分算法都是集中在阈值确定的研究上.阈值分割方法根据图像本身的特点,可分为单阈值分割方法和多阈值分割方法;也可分为基于象素值的阈值分割方法、基于区域性质的阈值分割方法和基于坐标位置的阈值分割方法.若根据分割算法所有的特征或准则,还可以分为直方图与直方图变换法、最大类空间方差法、最小误差法与均匀化误差法、共生矩阵法、最大熵法、简单统计法与局部特性法、概率松驰法、模糊集法、特征空间聚类法、基于过渡区的阈值选取法等.

收稿日期:2002-05-15.

作者简介:欧阳鑫玉(1974-),男,湖南湘潭人,助教.

最近几年又提出了许多新方法,如程杰提出的一种基于直方图的分割方法[3],该方法对Otsu 准则的内在缺陷进行了改进,并运用对直方图的预处理及轮廓追踪,找出了最佳分割阈值.此方法对红外图像有很强的针对性.付忠良提出的基于图像差距度量的阈值选取方法[4],多次导出Ostu 方法,得到了几种与Ostu 类似的简单计算公式,使该方法特别适合需自动产生阈值的实时图像分析系统.严学强等人提出了基于量化直方图的最大熵阈值处理算法[5],将直方图量化后采用最大熵阈值处理算法,使计算量大大减小.俞勇等人提出的基于最小能量的图像分割方法[6],运用了能量直方图来选取分割阈值.华长发等人提出了一种基于二维熵阈值的图像分割快速算法[7],使传统二维阈值方法的复杂度从O (W 2S 2)降至O (W 2/3S 2/3).赵雪松等人提出的综合全局二值化与边缘检测的图像方法[8],将全局二值化与边缘检测有效的结合起来,从而达到对信封图分割的理想效果.任明武等人提出的一种基于边缘模式的直方图构造新方法[9],使分割阈值受噪声和边缘的影响减少到最小.Z ikuan Chen 等人提出的基于小波的自适应阈值分割方法[10],把小波引入图像分割,利用小波分析取得阈值,得到了很好的分割效果.赵立初等人提出的基于小波分析的图像自适应阈值选择算法[11],使图像直方图的特征点可以通过小波变换的特征点由粗到精地表示,使阈值能进行自适应选择.靳宏磊等人提出的二维灰度直方图的最佳分割方法[12],找到了一条最佳分割曲线,使该算法得到的分割效果明显优于一维直方图阈值方法.乐宁等人根据过渡区内象素点具有的邻域方向性特点,引入了基于一元线性回归处理的局部区域随机波动消除方法,将图像过渡区算法进行了改进[13],等.所有的这些算法不管采取什么方法,结合什么工具,基本思想是一致的,就是为了寻求最佳阈值.

112　边缘检测方法

边缘检测方法是人们研究得比较多的一种方法,它通过检测图像中不同区域的边缘来达到分割图像的目的.很多的边缘检测算法是基于图像的灰度函数求导和在图像中匹配特定的边缘模型这两种方法,如Marr-Hildreth 算法和Canny 算法就是这两种方法的经典代表.在具体做法上,表现为空域算子与图像模板求卷积和用迭代等方法求匹配函数的系数等.

根据检测边缘采用方式的不同,边缘检测方法大致包括以下几类:基于局部图像函数的方法、多尺度方法、图像滤波法、基于反应-扩散方程的方法、多分辨分法、基于边界曲线拟合方法[2]、状态空间搜索法、动态规划法、边界跟踪法、哈夫变换法[1]等.基于局部图像函数方法的基本思想是将灰度看成高度,用一个曲面来拟合一个小窗口内的数据,然后根据该曲面来决定边缘点.多尺度方法实际上是用不同尺度的滤波算子对图像进行卷积,并考察由此得到的边缘点随尺度的变化而具有的性质,结合多种不同尺度的信息来最终决定边缘点.图像滤波法是基于对平滑滤波后的图像求其一阶导数的极大值或二阶导数的过零点来决定边缘的,它的核心问题是要设计一个合适的滤波器,通常使用的滤波器有LOG 滤波器、可控滤波器、B-样条滤波器等.基于反应-扩散方程的方法借助反应-扩散方程的观点来看待多尺度滤波,从而达到边缘检测的目的.多分辨率方法是从初始图像用规则或不规则的方式逐步降低分辨率,得到金字塔形的一个图像序列,再在此基础上进行图像分割.此方法的基本着眼点是较大的物体能在较低的分辨率下存在,而噪声则不能.基于边界曲线拟合方法是用平面曲线来表示不同区域之间图像的边界线,试图根据图像梯度等信息找出能正确表示边界的曲线来达到分割图像的目的.状态空间搜索法也称图(G raph )搜索法或启发式(Heuristic )搜索法,该方法用图结构表示边界点和边界段,通过在图中搜索对应最小代价的通道找到闭合边界,它把边缘检测和边界连接有机地结合起来,在图像受噪声影响较大时仍能取得较好的效果.动态规划(Dynaic Programming )法是一个多步决策的过程,它通过把一个N 步过程化为N 个单步过程的方法使算法复杂度降低,根据动态规划的原理,可将全局最优化成局部最优之和.要使此方法的结果令人满意,决策过程必须是一个马尔可夫过程.边界跟踪(H oundary T racking )法也称边缘点链接(Eedge Piont Linking )法,由图像梯度图中一个边缘点出发,依次搜索并连接相邻边缘点从而逐步检测出边界的方法.哈夫变换法是利用图像全局特性而直接检测目标轮廓的一种常见的方法,该方法的主要优点是受噪声和曲线间断的影响较小.

・

463・ 鞍山钢铁学院学报 第25卷