發(fā)布時間：2020-06-02 10:00

【摘要】：針對傳統(tǒng)分水嶺圖像分割算法存在的對噪聲敏感、誤分割率高等缺陷,提出一種基于改進分水嶺算法的圖像分割方法,以獲得更理想的圖像分割結果.首先對原始圖像進行濾波預處理,消除噪聲對圖像分割的干擾,保護分割目標的邊緣信息;然后對圖像進行變換處理以增強圖像對比度,并在此基礎上采用分水嶺算法分割圖像;最后采用多種類型圖像在MATLAB2014平臺上進行仿真測試.仿真測試結果表明,該方法避免了噪聲對圖像分割結果的影響,能獲得更理想的圖像分割效果,且分割精度和效率明顯優(yōu)于其他圖像分割方法.
【圖文】：

域的聚合，則不進行膨脹操作，修建一條堤壩．３）重復步驟１）～２），實現(xiàn)對ｇ（ｘ，，ｙ）整個淹沒，從而建立不同區(qū)域的分水嶺，實現(xiàn)圖像分割．３實驗結果與分析為了測試改進分水嶺算法的圖像分割性能，在４核ＡＭＤ３．７５ＧＨｚ的ＣＰＵ，３２ＧＢ的內存，１ＴＢ的硬盤，ＷＩＮ１０操作系統(tǒng)的計算機上實現(xiàn)仿真測試，采用ＭＡＴＬＡＢ２０１４編程實現(xiàn)圖像分割算法，選擇Ｌｅｎａ，Ｆｌｏｗｅｒ，Ｃａｍｅｒａｍａｎ，Ｃｅｌｌｓ四種類型的圖像作為研究對象，如圖４所示．圖４實驗對象Ｆｉｇ．４Ｅｘｐｅｒｉｍｅｎｔａｌｓｕｂｊｅｃｔｓ選擇最大熵值算法和文獻［１２］的圖像分割方法進行對比實驗，所有方法的圖像分割結果如圖５～圖７所示．由圖５～圖７可見，在所有的圖像分割方法中，本文方法的圖像分割效果最好，分割的目標區(qū)域輪廓較清晰，而對比方法均出現(xiàn)不同程度的“過分割”和“欠分割”現(xiàn)象，圖像誤分割率較高，難以實現(xiàn)圖像精確分割．本文方法通過偏微分方程去噪模型對圖像進行去噪，可有效提高圖像的質量，同時采用數(shù)學形態(tài)學的圖像變換增強目標與背景之間的灰度差別，便于圖像的后續(xù)分割，使圖像分割結果的優(yōu)勢較明顯．為了更全面、客觀的對所有圖像分割質量進行評估，統(tǒng)計所有圖像分割的平均精度及平均分割時間，結果列于表１．由表１可見，相對于其他圖像分割方法，本文方法的平均圖像分割精度更高，有效降低了圖像分割的誤差；且本文方法的平均圖像分割時間略有減少，這是因為本文方法對圖像去噪進行了預處理，減少了噪聲對圖像分割的不利影響，加快了圖像分割速度，可以應用于圖像處理實時性要求較高的情形．６３

圖５最大熵值算法的分割結果Ｆｉｇ．５Ｓｅｇｍｅｎｔａｔｉｏｎｒｅｓｕｌｔｓｏｆｍａｘｉｍｕｍｅｎｔｒｏｐｙａｌｇｏｒｉｔｈｍ圖６文獻［１２］方法的分割結果Ｆｉｇ．６Ｓｅｇｍｅｎｔａｔｉｏｎｒｅｓｕｌｔｓｏｆｌｉｔｅｒａｔｕｒｅ［１２］圖７本文方法的分割結果Ｆｉｇ．７Ｓｅｇｍｅｎｔａｔｉｏｎｒｅｓｕｌｔｓｏｆｐｒｏｐｏｓｅｄｍｅｔｈｏｄ表１圖像分割的平均精度和平均時間對比Ｔａｂｌｅ１Ａｖｅｒａｇｅａｃｃｕｒａｃｙａｎｄａｖｅｒａｇｅｔｉｍｅｃｏｍｐａｒｉｓｏｎｓｏｆｉｍａｇｅｓｅｇｍｅｎｔａｔｉｏｎ類別平均分割時間／ｍｓ最大熵分割算法文獻［１２］方法本文方法平均分割精度／％最大熵分割算法文獻［１２］方法本文方法Ｌｅｎａ６．９１５．７９２．９４８９．９１９２．９３９６．１４Ｆｌｏｗｅｒ６．７２４．６４３．９８８９．８６９３．７２９５．８１Ｃａｍｅｒａｍａｎ５．０８５．９９３．３９８８．０６９２．８１９６．６１Ｃｅｌｌｓ５．９２５．７８２．３５８９．５２９２．８１９６．１８綜上所述，為了克服噪聲對圖像的干擾，結合圖像自身的復雜特點，本文提出了一種改進分水嶺算法的圖像分割方法．該方法通過引入偏微分方程去噪模型抑制噪聲的負面影響，使圖像質量得到提高，并改善了圖像邊緣的保真度，同時采用數(shù)學形態(tài)學的圖像變換增強目標與背景之間的灰度差別，解決了“欠分割”問題，最后采用分水嶺算法對圖像進行分割，得到用戶感興趣的區(qū)域．圖像分割實驗結果表明，該方法可消除噪聲對圖像分割結果的干擾，減少了圖像的分割時間，從而改善了圖像分割的效率，并較好地避免了圖像的“過分割”和“欠分割”現(xiàn)象，提高了圖像分割

【相似文獻】

相關期刊論文 前10條

1 毛韜;顧鑫;朱善安;;基于改進分水嶺算法的粒度分析[J];電子器件;2008年04期

2 董瑞先;王玉林;張魯鄒;張亮修;;基于分水嶺算法的道路識別[J];農(nóng)業(yè)裝備與車輛工程;2009年08期

3 刁智華;趙春江;郭新宇;陸聲鏈;王秀徽;;分水嶺算法的改進方法研究[J];計算機工程;2010年17期

4 汪梅;何高明;賀杰;郭慧;陳佳;;一種自適應標記分水嶺算法的研究[J];梧州學院學報;2012年01期

5 陳林林;楊晨;李敏娟;徐宏偉;;基于形態(tài)學梯度重建的分水嶺算法改進研究[J];中國印刷與包裝研究;2013年04期

6 范玉貞;李海軍;;基于改進分水嶺算法的多目標車輛的跟蹤研究[J];電子世界;2013年03期

7 劉喜英,吳淑泉,徐向民;基于改進分水嶺算法的醫(yī)學圖像分割的研究[J];微電子技術;2003年04期

8 湯旭慧;基于共有邊界長度的改進分水嶺算法[J];計算機工程與應用;2005年01期

9 張麗莉;姚勇;劉志鏡;;一種相對勢能分水嶺算法[J];西安電子科技大學學報;2008年01期

10 饒洪輝;姬長英;;基于分水嶺算法的綠色作物與背景分割研究[J];安徽農(nóng)業(yè)科學;2009年29期

相關會議論文 前4條

1 饒洪輝;姬長英;;基于分水嶺算法的綠色作物和背景分割[A];農(nóng)業(yè)工程科技創(chuàng)新與建設現(xiàn)代農(nóng)業(yè)——2005年中國農(nóng)業(yè)工程學會學術年會論文集第三分冊[C];2005年

2 楊潔明;楊丹丹;;一種改進分水嶺算法的浮選泡沫圖像分割方法[A];紀念中國煤炭學會成立50周年暨2012全國選煤學術交流會論文集[C];2012年

3 閆文忠;沈樹群;;分水嶺算法在粘連染色體圖像分割中的應用[A];第六屆全國信息獲取與處理學術會議論文集（2）[C];2008年

4 孫偉;王宏飛;邵錫軍;;基于改進分水嶺算法的紅外圖像分割[A];2006年全國光電技術學術交流會會議文集（D 光電信息處理技術專題）[C];2006年

相關碩士學位論文 前10條

1 賈萌;同步碎石封層石子覆蓋率檢測系統(tǒng)算法研究[D];鄭州大學;2015年

2 張聰聰;基于改進分水嶺算法和NCut算法的彩色圖像分割研究[D];華南理工大學;2016年

3 侯慧;基于分水嶺算法的白細胞分割研究[D];湘潭大學;2016年

4 馮云;基于分水嶺算法的圖像分割研究[D];江西理工大學;2016年

5 楊飛鋒;基于多層次浸沒的分水嶺算法[D];上海交通大學;2007年

6 博格;基于分水嶺算法的粘連牛乳體細胞分割方法研究[D];內蒙古農(nóng)業(yè)大學;2012年

7 蘇娜;基于改進分水嶺算法的重疊牛乳體細胞分割技術的研究[D];內蒙古農(nóng)業(yè)大學;2010年

8 和英英;分水嶺算法在異形粘連纖維分割中的研究與應用[D];東華大學;2011年

9 熊瞻;基于分水嶺算法的分割方法研究[D];西南大學;2013年

10 陳潔;基于形態(tài)學和分水嶺算法的數(shù)字圖像分割研究[D];長安大學;2012年

本文編號：2692989