Computer Knowledge and Technology 电脑知识
mird 124
与技术本栏目责任编辑：唐一东人工智能及识别技术第5卷第35期(2009年12月)图像分割技术分析与展望 姜彬，施志刚
（南通航运职业技术学院，江苏南通226010）
摘要：图像分割是图像处理中的一项关键技术，也是一经典难题，文章对近几年来出现的图像分割方法作了较为全面的分析，并对图像分割技术的研究方向作了探讨，对从事图像处理学习与研究的人员具有一定的启发作用。
关键词：图像分割；计算机视觉；图像解析
中图分类号：TP391文献标识码：A 文章编号：1009-3044(2009)35-10066-03
Image segmentation Technology Analysis and Prospect
JIANG Bin,SHI Zhi-gang
(Management &Information Department,Nantong Vocational &Technical Shipping College,Nantong 226010,China)
Abstract:Image segmentation is a key image processing techniques,is also a classic problem.This article of image segmentation method appeared in recent years gave a more comprehensive analysis,and discussed image segmentation research directions ,and also have some in -structive effects on image processing,learning and research staff.
Key words:image segmentation;computer vision;image parsing
所谓图像分割是指根据灰度、彩、空间纹理、几何形状等特征把图像划分成若干个互不相交的区域，使得这些特征在同一区域内，表现出一致性或相似性，而在不同区域间表现出明显的不同。简单的讲，就是在一幅图像中，把目标从背景中分离出来，以便于进一步处理。 在图象分割领域还没有出现对任意图象都适合的分割算法，如何根据不同行业图像的特点，出适应行业具体需求的图像分割算法，是我们追求的目标。本文旨在对近几年出现的图像分割算法的分析总结的基础上，对图像分割技术研究的方向作出一些展望。
1图像分割常用的五种方法
1.1对图像特征、空间做分类的方法
常用的图像特征有颜特征、纹理特征、形状特征、空间关系特征
1.1.1颜特征
颜特征是一种全局特征，描述了图像或图像区域所对应的景物的表面性质。一般颜特征是基于像素点的特征，此时所有属于图像或图像区域的像素都有各自的贡献。由于颜对图像或图像区域的方向、大小等变化不敏感，所以颜特征不能很好地捕捉图像中对象的局部特征。另外，仅使用颜特征查询时，如果数据库很大，常会将许多不需要的图像也检索出来。颜直方图是最常用的表达颜特征的方法，其优点是不受图像旋转和平移变化的影响，进一步借助归一化还可不受图像尺度变化的影响，基缺点是没有表达出颜空间分布的信息。
1.1.2纹理特征
纹理特征也是一种全局特征，它也描述了图像或图像区域所对应景物的表面性质。但由于纹理只是一种物体表面的特性，并不能完全反映出物体的本质属性，所以仅仅利用纹理特征是无法获得高层次图像内容的。与颜特征不同，纹理特征不是基于像素点的特征，它需要在包含多个像素点的区域中进行统计计算。在模式匹配中，这种区域性的特征具有较大的优越性，不会由于局部的偏差而无法匹配
成功。作为一种统计特征，纹理特征常具有旋转不变性，并且对于噪声有较强的抵抗能力。但是，纹理特征也有其缺点，一个很明显的缺点是当图像的分辨率变化的时候，所计算出来的纹理可能会有较大偏差。另外，由于有可能受到光照、反射情况的影响，从2-D 图像中反映出来的纹理不一定是3-D 物体表面真实的纹理。
1.1.3形状特征
各种基于形状特征的检索方法都可以比较有效地利用图像中感兴趣的目标来进行检索，但它们也有一些共同的问题，包括：①目前基于形状的检索方法还缺乏比较完善的数学模型；②如果目标有变形时检索结果往往不太可靠；③许多形状特征仅描述了目标局部的性质，要全面描述目标常对计算时间和存储量有较高的要求；④许多形状特征所反映的目标形状信息与人的直观感觉不完全一致，或者说，特征空间的相似性与人视觉系统感受到的相似性有差别。另外，从2-D 图像中表现的3-D 物体实际上只是物体在空间某一平面的投影，从2-D 图像中反映出来的形状常不是3-D 物体真实的形状，由于视点的变化，可能会产生各种失真。
1.1.4空间关系特征
所谓空间关系，是指图像中分割出来的多个目标之间的相互的空间位置或相对方向关系，这些关系也可分为连接/邻接关系、交收稿日期：2009-09-20
ISSN 1009-3044Computer Knowledge and Technology 电脑知识与技术Vol.5,No.35,December 2009,pp.10066-10068E-mail:eduf@cccc www.dnzs Tel:+86-551-5690963569096410066
Computer Knowledge and Technology 电脑知识与技术人工智能及识别技术本栏目责任编辑：唐一东第5卷第35期(2009年12月)叠/重叠关系和包含/包容关系等。
空间关系特征的使用可加强对图像内容的描述区分能力，但空间关系特征常对图像或目标的旋转、反转、尺度变化等比较敏感。另外，实际应用中，仅仅利用空间信息往往是不够的，不能有效准确地表达场景信息。为了检索，除使用空间关系特征外，还需要其它特征来配合。
1.2基于区域的方法（如区域生长分割法、分裂合并法、分水岭分割法等）
1.2.1区域生长分割法
所谓区域生长（region growing ）是指将成组的像素或区域发展成更大区域的过程。从种子点的集合开始，从这些点的区域增长是通过将与每个种子点有相似属性像强度、灰度级、纹理颜等的相邻像素合并到此区域。它是一个迭代的过程，这里每个种子像素点都迭代生长，直到处理过每个像素，因此形成了不同的区域，这些区域它们的边界通过闭合的多边形定义。
区域生长分割算法的关键是初始种子点的选取和生长规则的确定。算法的优点在于计算简单，对于均匀的连通目标有很好的分割效果，缺点是需要人为设定种子点，对噪声敏感，可能导致区域出现空洞。
1.2.2分裂合并法
分裂合并法的基本思想是从整幅图像开始通过不断分裂合并来得到各个区域。分裂合并算法的关键是分裂合并准则的设计，这种算法对复杂图像的分割效果较好，但算法复杂，计算量大，分裂可能破坏区域的边界。
第六套儿童广播体操
1.2.3分水岭分割法
分水岭分割法，是一种基于拓扑理论的数学形态学的分割方法，其基本思想是把图像看作是测地学上的拓扑地貌，图像中每一点像素的灰度值表示该点的海拔高度，每一个局部极小值及其影响区域称为集水盆，而集水盆的边界则形成分水岭。
分水岭分割法对微弱边缘具有良好的响应，具有很强的边缘检测能力，正是由于其对微弱边缘的良好响应，此算法可以得到比较好的封闭连续边缘。但是同时对于图像中的噪声、物体表面细微的灰度变化，该算法也会产生“过度分割”的现象。
1.3基于边缘的方法（边缘检测等）
图像的边缘是指图像局部区域亮度变化显著的部分。该区域的灰度剖面一般可以看做一个阶跃，即从一个灰度值在很小的缓冲区域内急剧变化到另一个灰度相差较大的灰度值。图像的边缘部分集中了图像的大部分信息，图像边缘的确定与提取对于整个图像场景的识别与理解是非常重要的，同时也是图像分割所依赖的重要特征。
边缘检测主要是图像的灰度变化的度量、检测和定位，边缘检测的基本思想是先利用边缘增强算子，突出图像中的局部边缘，然后定义像素的“边缘强度”，通过设置阈值的方法提取边缘点集。但是由于噪声和图像模糊，检测到的边界可能会有间断的情况发生。
1.4基于函数优化的方法（贝叶斯算法-Bayesian 等）
贝叶斯(1702-1763)Thomas Bayes ，英国数学家，在数学方面主要研究概率论。他首先将归纳推理法用于概率论基础理论，并创立了贝叶斯统计理论，对于统计决策函数、统计推断、统计的估算等做出了贡献。
贝叶斯决策理论方法是统计模式识别中的一个基本方法。贝叶斯决策判据既考虑了各类参考总体出现的概率大小，又考虑了因误判造成的损失大小，判别能力强。
1.5综合考虑边缘和区域信息的混合分割方法
这类方法既可以很好的提取出图像中目标的边缘又可以使得算法的计算相对简单，对于均匀的连通目标有较好的分割效果。2图像分割的研究方向
上海南市区2.1图像匹配
在图像识别的过程中，常需要把不同时间、不同成像条件下对同一景物获取的两幅或者多幅图像在空间上对准，或根据已知模式到另一幅图中寻相应的模式，这就称为图像匹配。
图像匹配主要可分为以灰度为基础的匹配和以特征为基础的匹配。
1）灰度匹配：灰度匹配的基本思想：以统计的观点将图像看成是二维信号，采用统计相关的方法寻信号间的相关匹配。利用两个信号的相关函数，评价它们的相似性以确定同名点。灰度匹配通过利用某种相似性度量，如相关函数、协方差函数、差平方和、差绝对值和等测度极值，判定两幅图像中的对应关系。
2）特征匹配：特征匹配是指通过分别提取两个或多个图像的特征（点、线、面等特征），对特征进行参数描述，然后运用所描述的参数来进行匹配的一种算法，基于特征的匹配所处理的图像一般包含的特征有颜特征、纹理特征、形状特征、空间位置特征等。特征匹配首先对图像进行预处理来提取
其高层次的特征，然后建立两幅图像之间特征的匹配对应关系，通常使用的特征基元有点特征、边缘特征和区域特征。特征匹配需要用到许多诸如矩阵的运算、梯度的求解、还有傅立叶变换和泰勒展开等数学运算。基于图象特征的匹配方法可以克服利用图象灰度信息进行匹配的缺点，由于图象的特征点比较像素点要少很多，大大减少了匹配过程的计算量；同时，特征点的匹配度量值对位置的变化比较敏感，可以大大提高匹配的精确程度；而且，特征点的提取过程可以减少噪声的影响，对灰度变化，图象形变以及遮挡等都有较好的适应能力。所以基于图象特征的匹配在实际中的应用越来越广泛。所使用的特征基元有点特征(明显点，角点，边缘点等)，边缘线段等。
3）两者的比较：特征匹配与灰度匹配的区别：灰度匹配是基于像素的，特征匹配则是基于区域的，特征匹配在考虑像素灰度的同时还应考虑诸如空间整体特征、空间关系等因素。
特征是图象内容最抽象的描述，与基于灰度的匹配方法相比，特征相对于几何图象和辐射度影响来说更不易变化，但特征提取10067
新干论坛Computer Knowledge and Technology 电脑知识与技术本栏目责任编辑：唐一东人工智能及识别技术第5卷第35期(2009年12月)方法的计算代价通常较大，并且需要一些自由参数和事先按照经验选取的阀值，因而不便于实时应用。同时，在纹理较少的图象区域提取的特征的密度通常比较稀少，使局部特征的提取比较困难。另外，基于特征的匹配方法的相似性度量也比较复杂，往往要以特征属性、启发式方法及阀方法的结合来确定度量方法。
2.2纹理分割和纹理合成变身宝贝
中国证卷
纹理分割是将纹理图像依据同一纹理的一致性特征或不同纹理之间的特征差别，分割成若干有意义的区域的一种图像分割技术，如何提取有效的纹理特征是其关键点和难点。
纹理合成是为了解决纹理映射中存在的接缝走样等问题而提出的，目前纹理合成方法可分为两类：一类为过程纹理合成(PTS)，另一类为基于样图的纹理合成（TSFS ）。
过程纹理合成通过对物理生成过程的仿真直接在曲面上生成纹理，如毛发、云雾、木纹等，从而避免了纹理映射带来的失真。这种方法可以获得非常逼真的纹理，但对每一种新的纹理，却需要调整参数反复测试，非常不便，有的甚至无法得到有效的参数。自然界中存在大量的纹理，这些纹理往往具有自相似性，即一小块纹理就能反映整体纹理的特点。这就促使人们着手研究基于样图的纹理合成方法以取得更有效的成果：给定一小块纹理，生成大块相似的纹理。
基于样图的纹理合成(texture synthesis from samples ，TSFS))技术是近几年迅速发展起来的一种新的纹理拼接技术，它基于给定的小区域纹理样本，按照表面的几何形状，拼合生成整个曲面的纹理，它在视觉上是相似而连续的。TSFS 技术可以克服传统纹理映射方法的缺点，又避免了过程纹理合成调整参数的繁琐，因而受到越来越多研究人员的关注，成为计算机图形学、计算机视觉和图像处理领域的研究热点之一。利用TSFS 技术还可以进行纹理填充（如修补破损的图片，重现原有图片效果），
纹理传输，扩展到时域则可以用一短段视频图像，生成任意长度的非重复的视频动画等。所以纹理合成技术在图像编辑、数据压缩、网络数据的快速传输、大规模场景的生成以及真实感和非真实感绘制等方面具有广泛的应用前景。
2.3图像解析（Image Parsing ）
自然图像本质上是由大量随机生成的视觉模式构成，图像理解的目的是将输入图像解析成构成它的不同的视觉模式。
根据我们所感兴趣的不同类型的模式，图像解析问题分别被称为：图像分割（对均匀灰、彩和纹理区域的处理）、知觉组织（对点、线和一般图形的处理）、目标识别（对文本和对象的处理）。
3总结
图像分割是图像理解与计算机视觉领域国际学术界公认的将会长期存在的最困难的问题之一，到目前为止既不存在一种通用的图像分割方法，也不存在一种判断是否分割成功的客观标准。图像分割之所以困难的一个重要原因是其并不完全属于图像特征提取问题，它还涉及到各种图像特征的知觉组织。从一般意义上来说，只有对图像内容的彻底理解，才能产生完美的分割。参考文献：
[1]Gonzalez R C.Digital Image Processing Using MATLAB[M].阮秋琦，译.北京：电子工业出版社,20
05.
[2]孙即祥.图像分析[M].北京：科学出版社,2005.
[3]章毓晋.图像工程[M].北京：清华大学出版社,2007.
10068
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议