文件名称：图像分割-边界层理论
文件大小：1.62MB
文件格式：PDF
更新时间：2024-06-27 15:17:17
彩色图像 增强去噪
8 第2章相关工作余绍 域可以用一个变量来表示多个像素，而仅需在边界上用较多的变量来表示．图2．3第四 行是一个可视化的表示，每个方块表示一个变量。这样就可以有效地降低方程组的维 数。变量y可以通过一个四叉树的数据结构来进行维护【24】，设这样求得的解为Y6，黝 就可以通过蜘插值得到： 奶=Sy6 (2．7) 这里S对应一个差值算子，与四叉树的结构相关。这样，将求解n维的。。转换为求解 维数更低的蜘： STATASy6=STAT(6一ASyo)， (2．8) 可以证明，驺的维数为D(～／而。 §2．3图像分割 图像分割是数字图像处理中的关键技术之一，是图像识别、分析和理解的基础。 虽然目前已研究出不少边缘提取、区域分割的方法，但还没有一种对各种图像普遍适 用的方法。因此，对图像分割的研究还在不断深入之中，是目前图像处理中研究的热 点之一。 所谓图像分割是把图像阵列分解成若于个互不交迭的区域，每一个区域内部的某 种特性或特征相同或接近，而不同区域间的图像特征则有明显差别。即同一区域内 部特性变化平缓，相对一致，而区域边界处则特性交化比较剧烈。概括地说，给定 某种一致性(均匀)属性准则(度量)P，将图像X正确地划分成为互不交迭的区域集 {毋，岛，⋯，晶}的过程称之为分割。当然，这里所谓的正确分割应满足下列条件： 1)X=U圣l最，最≠e0 2)Sn岛}a，Vi≠力 3)P(岛)=ture，Vi； 4)P(&U毋)=false，Vi≠J． 用作图像分割的度量准则P不是唯一的。它与场景图像及应用目的有关，场景图 像特征信息有亮度、色彩、纹理、结构、温度、频谱、运动、形状、位置，梯度和模 型等。图像分割方法也有很多，一些早期的前景分割算法【25，26】要求用户先给定前景 物体的一个大致轮廓，然后用求解能量最小化的方法获得物体的精确轮廓。上述方法 主要的缺点是分割的最终结果与用户初始给定的轮廓关系很大。尤其是在前景背景颜 色比较接近时，往往需要用户给出与前景轮廓非常接近的初始轮廓，才能得到比较好 的效果。而且由于迭代求解的速度比较慢，限制了其使用范围。