论文部分内容阅读
随着计算机技术的高速发展,图像分割技术也得到了飞速的发展。图像分割是一种重要的图像技术,是由图像处理进到图像分析的关键步骤,在图像工程中占据重要的位置。因此,具有很高的理论研究价值。同时图像分割被广泛的应用于实际中,例如在工业自动化,在线生产检测,生产过程控制,保安监视,军事,体育,农业等领域。
图像分割虽然尚无通用的分割理论,但它自诞生以来,受到了广大图像研究工作者的高度重视。时至今日已有上千种各式各样的算法被提出,这些分割算法大部分是借助其他学科的理论或技术所提出来的。例如:基于信息论的熵阈值分割算法,基于神经网络的自动聚类分割算法,基于小波分析和变换的边缘检测算法等。本文提出一种基于遗传算法和数学形态学的自适应图像分割算法。
论文首先介绍遗传算法的基本原理和特点,以及数学形态学图像处理与分析的基本概念和方法。接着对数学形态学图像分割的关键问题进行分析研究,重点讨论了结构元素的选取,流域分割等问题。然后,论文从算法的结构出发,详细阐述了基于遗传算法和数学形态学的自适应图像分割算法的设计思想及流程。采用遗传算法通过学习的方法寻找一个最优的结构元素;利用此结构元素求出经过预处理后的待分割图像的梯度图;再用流域的分割方法处理该梯度图得到分割结果。最后在Matlab编程环境下实现了本文算法的功能。
试验结果表明:一方面,对结构元素的选取实现了不需要人工参与,使算法具有自适应的功能;另一方面,对图像进行分割,尤其是对具有复杂梯度的图像进行分割,本文算法比利用sobel等算子分割的效果要优。
论文最后对算法中仍存在的一些问题进行了讨论,并对下一步的工作进行了展望。