基于改进分水岭算法的图像分割算法

发布时间：2020-06-02 10:00

【摘要】：针对传统分水岭图像分割算法存在的对噪声敏感、误分割率高等缺陷,提出一种基于改进分水岭算法的图像分割方法,以获得更理想的图像分割结果.首先对原始图像进行滤波预处理,消除噪声对图像分割的干扰,保护分割目标的边缘信息;然后对图像进行变换处理以增强图像对比度,并在此基础上采用分水岭算法分割图像;最后采用多种类型图像在MATLAB2014平台上进行仿真测试.仿真测试结果表明,该方法避免了噪声对图像分割结果的影响,能获得更理想的图像分割效果,且分割精度和效率明显优于其他图像分割方法.
【图文】：

实验对象,图像分割

域的聚合，则不进行膨胀操作，修建一条堤坝．３）重复步骤１）～２），实现对ｇ（ｘ，，ｙ）整个淹没，从而建立不同区域的分水岭，实现图像分割．３实验结果与分析为了测试改进分水岭算法的图像分割性能，在４核ＡＭＤ３．７５ＧＨｚ的ＣＰＵ，３２ＧＢ的内存，１ＴＢ的硬盘，ＷＩＮ１０操作系统的计算机上实现仿真测试，采用ＭＡＴＬＡＢ２０１４编程实现图像分割算法，选择Ｌｅｎａ，Ｆｌｏｗｅｒ，Ｃａｍｅｒａｍａｎ，Ｃｅｌｌｓ四种类型的图像作为研究对象，如图４所示．图４实验对象Ｆｉｇ．４Ｅｘｐｅｒｉｍｅｎｔａｌｓｕｂｊｅｃｔｓ选择最大熵值算法和文献［１２］的图像分割方法进行对比实验，所有方法的图像分割结果如图５～图７所示．由图５～图７可见，在所有的图像分割方法中，本文方法的图像分割效果最好，分割的目标区域轮廓较清晰，而对比方法均出现不同程度的“过分割”和“欠分割”现象，图像误分割率较高，难以实现图像精确分割．本文方法通过偏微分方程去噪模型对图像进行去噪，可有效提高图像的质量，同时采用数学形态学的图像变换增强目标与背景之间的灰度差别，便于图像的后续分割，使图像分割结果的优势较明显．为了更全面、客观的对所有图像分割质量进行评估，统计所有图像分割的平均精度及平均分割时间，结果列于表１．由表１可见，相对于其他图像分割方法，本文方法的平均图像分割精度更高，有效降低了图像分割的误差；且本文方法的平均图像分割时间略有减少，这是因为本文方法对图像去噪进行了预处理，减少了噪声对图像分割的不利影响，加快了图像分割速度，可以应用于图像处理实时性要求较高的情形．６３

最大熵,图像分割

图５最大熵值算法的分割结果Ｆｉｇ．５Ｓｅｇｍｅｎｔａｔｉｏｎｒｅｓｕｌｔｓｏｆｍａｘｉｍｕｍｅｎｔｒｏｐｙａｌｇｏｒｉｔｈｍ图６文献［１２］方法的分割结果Ｆｉｇ．６Ｓｅｇｍｅｎｔａｔｉｏｎｒｅｓｕｌｔｓｏｆｌｉｔｅｒａｔｕｒｅ［１２］图７本文方法的分割结果Ｆｉｇ．７Ｓｅｇｍｅｎｔａｔｉｏｎｒｅｓｕｌｔｓｏｆｐｒｏｐｏｓｅｄｍｅｔｈｏｄ表１图像分割的平均精度和平均时间对比Ｔａｂｌｅ１Ａｖｅｒａｇｅａｃｃｕｒａｃｙａｎｄａｖｅｒａｇｅｔｉｍｅｃｏｍｐａｒｉｓｏｎｓｏｆｉｍａｇｅｓｅｇｍｅｎｔａｔｉｏｎ类别平均分割时间／ｍｓ最大熵分割算法文献［１２］方法本文方法平均分割精度／％最大熵分割算法文献［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综上所述，为了克服噪声对图像的干扰，结合图像自身的复杂特点，本文提出了一种改进分水岭算法的图像分割方法．该方法通过引入偏微分方程去噪模型抑制噪声的负面影响，使图像质量得到提高，并改善了图像边缘的保真度，同时采用数学形态学的图像变换增强目标与背景之间的灰度差别，解决了“欠分割”问题，最后采用分水岭算法对图像进行分割，得到用户感兴趣的区域．图像分割实验结果表明，该方法可消除噪声对图像分割结果的干扰，减少了图像的分割时间，从而改善了图像分割的效率，并较好地避免了图像的“过分割”和“欠分割”现象，提高了图像分割

【相似文献】