论文部分内容阅读
图像分割作为图像从图像处理到图像的分析关键技术,受到了很多学者的重视和研究,但至今在众多图像分割方法中仍没有一种方法能够解决所有问题。在图像分割领域存在的问题中,依据确定性方法分割图像就是其中的关键问题之一,传统使用模糊理论或概率论方法并不能真正的解决好这个问题,以模糊理论和概率论为基础的云理论的出现能够很好地解决图像分割当中“硬分割”的问题,因此得到了很多图像分割领域学者的深入研究与探索。云理论的提出最初应用于空间数据挖掘当中,06年之后被陆续的应用于图像处理当中,并成为图像分割的一种新兴的方法。云变换是云理论的核心方法,期望、熵、超熵是云变换的三个基本特征,在图像数据云化过程中三个基本要素的获得是很关键的问题,决定着在图像数据后续处理中是否能够获得良好的分割阈值等图像处理的问题,因此云模型的构建是十分关键的。云模型在图像处理构建过程中存在的问题有:首先在云模型中熵的获得存在着不可避免的误差,有时可能导致云模型的构建失败;其次云模型在图像处理当中单一云核逐次提取可能导致有用数据丢失等或选取云核不理想。首次尝试用一维云模型与NBS距离相结合来分割彩色图像。针对云模型构建本身存在的问题,和云模型在图像数据云化过程存在问题提出了以下几点改进:(1)在深入理解云理论的基础,对云模型构建中易产生误差的关键点也就是云的熵进行了分析,在理解云理论的“3En”的基础上,提出了云的熵的新的求取方法。新的熵的计算方法简单,易于实现,并通过根据实际情况对熵的微调能够使熵的求取误差变得更小。(2)在通过学习传统的熵的求取方法构建云模型用来处理图像信息的基础上,将传统云模型构建方法应用于图像的多阈值分割,并在论证了传统云模型构建方法对图像的多阈值分割是可行的基础上,将新的方法应用于图形的多阈值分割当中,并通过仿真获得良好的分割效果。(3)深入了解云理论分割图像的方法及步骤,根据云模型的构建规则,确定所有可以定位云核的位置,将当前图像数据所有满足云核提取的位置标记出来,并对其进行云化处理,逐次进行,直到所有数据云化后,并进行云处理,获得分割阈值,完成图像分割。实验证明此种方法应用于多阈值的图像分割当中可以获得良好地分割效果。(4)初步了解彩色图像和图像量化的原理,采用一维云模型和欧式距离相结合的方法,建立起云模型,对满足条件的云模型进行云合并,最后以极大判别法为准则,对彩色图像的像素进行划分完成彩色图像的分割。该方法能够很好的完成彩色图像的分割,为彩色图像信息的不确定性提出了一种新的解决方法。