TOP16【毕业设计】彩色图像分割技术研究.doc文档免费在线阅读

台州学院毕业设计论文基于边缘的分割方法边缘检测是灰度图像分割广泛使用的种技术，它是基于在区域边缘上的像素灰度变化较剧烈，试图通过检测不同区域的边缘来解决图像分割问题。

在灰度图像中，边缘的定义是基于灰度级的突变，而且两个区域的边缘当亮度变化明显时才能被检测出来。

在彩色图像中，用于边缘检测的信息更加丰富，如具有相同亮度不同色调的边缘同样可以被检测出来，相应地，彩色图像边缘的定义也是基于维颜色空间的不连续性。

目前，彩色图像的分割以转移到如何有效的综合利用彩色图像的三通道信息方面。

等提出了使用神经网络进行彩色图像的分割方法。

他们在颜色空间中将图像的每个像素表示为个由本身的值及其均值和方差这几个特示彩色图像的直方图并在其中选出合适的阈值，并不是件简单的工作，另方面确定图像中目标的数目计算量也很大。

但这种分割方法不需要先验信息，分割简单。

目前，人们通过研究提出了很多新方法文献从目标和背色图像不仅有灰度这个属性，所以使用直方图阈值法会出现很大的不同。

大多数方法都是对彩色图像的每个分量分别采用直方图阈值法。

由于彩色信息通常由或它们的线性或非线性组合来表示，所以用三维数组来表度图像基本相同。

但经过试验证明这些直接继承下来的方法不太适合于大部分彩色图像，所以人们对这些方法作了些改进。

总的来说彩色图像分割方法发展到目前阶段，主要采用的分割方法有基于阈值的分割方法由于彩灰度图像和彩色图像存在个主要的区别，即对于每个像素的描述，前者是在维亮度空间上，而后者是在三维颜色空间上。

大部分彩色图像的分割方法或思想都是从灰度图像分割方法继承的，因此彩色图像的部分方法与灰，达到对图像的最佳分割效果。

彩色图像分割与灰度图像分割的算法相比，大部分算法在分割思想上是致的，都是基于像素值的相似性和空间的接近性，只是对像素属性的考察以及特征提取等技术由维转向了多维。

这是由于像素问颜色差异，将原图像转换为纹理特征图像然后将具有相似纹理特征的像素合并起来，达到分割的效果，这种方法不能直接使用在彩色纹理图像中，因而提出了基于混合特征的分割方法，这种方法融合了前面两种方法的思想法。

基于颜色特征空间的分割方法即是在种颜色空间，如颜色空间或者颜色空间通过颜色距离标准来融合像素，这种方法只适合于结构简单并且颜色不多的图像基于纹理特征空间的分割方法是通过提取图像的像分割的方法。

无论是基于哪种分割方法，灰度图像的分割方法都发展得比较成熟了。

对于彩色图像的分割方法总的来说可以分为以下三类基于颜色特征空间的分割方法，基于纹理特征空间的分割方法和基于混合特征的分割方州学院毕业设计论文法，边缘检测法，基于分水岭的方法和神经网络的方法等等。

其中直方图法和区域生长法处理的对象是像素边缘检测和分水岭方法则是对图像纹理基元进行处理神经网络的方法是利用分类的思想对图了如直方图阈值法，区域生长图像分割不连续的分割灰度相似性边界分割孤立点孤立线组成边界边界跟踪区域分割阈值分割区域分裂合并区域生长自适应并行边界分割技术串行边界分割技术并行区域分割技术串行区域分割技术台有物理模型和随机模型，分割的目的不同等，这些图像分割方法的分类也不尽相同。

把图像分割方法的发展划分为两个阶段灰度图像分割方法阶段和彩色图像分割方法阶段。

对于灰度图像的分割方法，人们从不同的角度提出来人们专门针对彩色图像又提出了很多分割方法，如直方图阈值法基于区域的提取方法边缘检测的分割方法基于主动轮廓模型方法神经网络方法等等。

而且分割的图像的种类也各有不同，分割中用到的图像的模型不同算法，最简单的彩色图像分割方法是直接将彩色图像的各个分量进行适当的组合转化为灰度图像，然后利用灰度图像的分割方法进行分割，该方法由于忽略了颜色信息和亮度信息之间的关联，因而分割效果并不十分理想。

因此后必须在每个图像点完成相同的计算以后再决定是否继续处理或者放弃处理这个像素点或者区域。

这种技术明显导致了时间复杂度，但理论上它更可靠更准确。

而串行分割则简单，方便些。

目前对彩色图像的分割已经提出了很多处理的结果。

而在并行算法中，对图像每个像素的处理依赖其他像素处理后的结果。

台州学院毕业设计论文图经典图像分割方法框架对普通的电脑处理器来说，串行分割方法当然比并行分割有明显的优势，因为并行分割的特性。

图像分割的技术主要有种并行边界分割技术串行边界分割技术并行区域分割技术和串行区域分割技术。

如下图所示所谓的串行图像分割是指对图像的每个像素上所做的运算或者处理不依赖图像中其他像素点早期的图像处理的研究中，图像分割的方法般被分为类类是边界法，这种方法是假设图像定有边缘存在另类是区域法，这种方法认为被分割后的图像区域定会具有些相同的特性，不同的区域的像素则会有不同的早期的图像处理的研究中，图像分割的方法般被分为类类是边界法，这种方法是假设图像定有边缘存在另类是区域法，这种方法认为被分割后的图像区域定会具有些相同的特性，不同的区域的像素则会有不同的特性。

图像分割的技术主要有种并行边界分割技术串行边界分割技术并行区域分割技术和串行区域分割技术。

如下图所示所谓的串行图像分割是指对图像的每个像素上所做的运算或者处理不依赖图像中其他像素点处理的结果。

而在并行算法中，对图像每个像素的处理依赖其他像素处理后的结果。

台州学院毕业设计论文图经典图像分割方法框架对普通的电脑处理器来说，串行分割方法当然比并行分割有明显的优势，因为并行分割必须在每个图像点完成相同的计算以后再决定是否继续处理或者放弃处理这个像素点或者区域。

这种技术明显导致了时间复杂度，但理论上它更可靠更准确。

而串行分割则简单，方便些。

目前对彩色图像的分割已经提出了很多算法，最简单的彩色图像分割方法是直接将彩色图像的各个分量进行适当的组合转化为灰度图像，然后利用灰度图像的分割方法进行分割，该方法由于忽略了颜色信息和亮度信息之间的关联，因而分割效果并不十分理想。

因此后来人们专门针对彩色图像又提出了很多分割方法，如直方图阈值法基于区域的提取方法边缘检测的分割方法基于主动轮廓模型方法神经网络方法等等。

而且分割的图像的种类也各有不同，分割中用到的图像的模型不同有物理模型和随机模型，分割的目的不同等，这些图像分割方法的分类也不尽相同。

把图像分割方法的发展划分为两个阶段灰度图像分割方法阶段和彩色图像分割方法阶段。

对于灰度图像的分割方法，人们从不同的角度提出了如直方图阈值法，区域生长图像分割不连续的分割灰度相似性边界分割孤立点孤立线组成边界边界跟踪区域分割阈值分割区域分裂合并区域生长自适应并行边界分割技术串行边界分割技术并行区域分割技术串行区域分割技术台州学院毕业设计论文法，边缘检测法，基于分水岭的方法和神经网络的方法等等。

其中直方图法和区域生长法处理的对象是像素边缘检测和分水岭方法则是对图像纹理基元进行处理神经网络的方法是利用分类的思想对图像分割的方法。

无论是基于哪种分割方法，灰度图像的分割方法都发展得比较成熟了。

对于彩色图像的分割方法总的来说可以分为以下三类基于颜色特征空间的分割方法，基于纹理特征空间的分割方法和基于混合特征的分割方法。

基于颜色特征空间的分割方法即是在种颜色空间，如颜色空间或者颜色空间通过颜色距离标准来融合像素，这种方法只适合于结构简单并且颜色不多的图像基于纹理特征空间的分割方法是通过提取图像的像素问颜色差异，将原图像转换为纹理特征图像然后将具有相似纹理特征的像素合并起来，达到分割的效果，这种方法不能直接使用在彩色纹理图像中，因而提出了基于混合特征的分割方法，这种方法融合了前面两种方法的思想，达到对图像的最佳分割效果。

彩色图像分割与灰度图像分割的算法相比，大部分算法在分割思想上是致的，都是基于像素值的相似性和空间的接近性，只是对像素属性的考察以及特征提取等技术由维转向了多维。

这是由于灰度图像和彩色图像存在个主要的区别，即对于每个像素的描述，前者是在维亮度空间上，而后者是在三维颜色空间上。

大部分彩色图像的分割方法或思想都是从灰度图像分割方法继承的，因此彩色图像的部分方法与灰度图像基本相同。

但经过试验证明这些直接继承下来的方法不太适合于大部分彩色图像，所以人们对这些方法作了些改进。

总的来说彩色图像分割方法发展到目前阶段，主要采用的分割方法有基于阈值的分割方法由于彩色图像不仅有灰度这个属性，所以使用直方图阈值法会出现很大的不同。

大多数方法都是对彩色图像的每个分量分别采用直方图阈值法。

由于彩色信息通常由或它们的线性或非线性组合来表示，所以用三维数组来表示彩色图像的直方图并在其中选出合适的阈值，并不是件简单的工作，另方面确定图像中目标的数目计算量也很大。

但这种分割方法不需要先验信息，分割简单。

目前，人们通过研究提出了很多新方法文献从目标和背景的类间差异性出发，提出通过贝叶斯公式估计背景和目标的概率，寻找这两类概率兼得最大交叉熵的方法文献提出了基于量化直方图的最大熵阈值的方法。

台州学院毕业设计论文基于边缘的分割方法边缘检测是灰度图像分割广泛使用的种技术，它是基于在区域边缘上的像素灰度变化较剧烈，试图通过检测不同区域的边缘来解决图像分割问题。

在灰度图像中，边缘的定义是基于灰度级的突变，而且两个区域的边缘当亮度变化明显时才能被检测出来。

在彩色图像中，用于边缘检测的信息更加丰富，如具有相同亮度不同色调的边缘同样可以被检测出来，相应地，彩色图像边缘的定义也是基于维颜色空间的不连续性。

目前，彩色图像的分割以转移到如何有效的综合利用彩色图像的三通道信息方面。

等提出了使用神经网络进行彩色图像的分割方法。

他们在颜色空间中将图像的每个像素表示为个由