- 相關推薦
基于梯度調整的矩不變自動閾值圖像分割算法
摘要：提出了一種改進的矩不變自動閾值算法。該算法針對矩不變自動閾值法忽略圖像細節(jié)的缺點，在矩不變自動閾值的基礎上增加了基于目標邊緣像素的梯度調整，從而使分割效果兼顧圖像的整體和細節(jié)。該算法無須迭代或搜索，運算速度快，可以滿足實時性的要求。仿真結果表明，該算法能有效地對目標圖像進行分割。關鍵詞：圖像分割 閾值選取 矩不變法 梯度調整 目標跟蹤
圖像分割是計算機視覺中的一個關鍵問題，它是一種重要的圖像分析技術。其目的是將圖像中有意義的特征或者需要應用的特征提取出來。圖像分割所遵循的基本原則是，使區(qū)域內部所考慮的特征或屬性是相同或相似的。而這些特征或屬性在不同的區(qū)域中則不同、存在差異[1]。人們通常將圖像分割的方法歸納為基于灰度直方圖的閾值化方法和基于區(qū)域增長法兩大類。其中閾值化方法因其簡單、計算量小、性能較穩(wěn)定而成為圖像分割中應用最廣泛的分割技術。近年來，隨著各學科新理論和方法的提出，人們也提出了許多結合特定理論、方法和工具的分割技術，例如基于數學形態(tài)學的分割技術、借助統(tǒng)計模式識別方法的分割技術、利用神經網絡的分割技術等[2]。
圖像閾值分割是根據一定的閾值將目標從視場背景分離出來的過程。在實際系統(tǒng)中，圖像目標和背景之間并不具備截然不同的灰度，隨著可見光照射角度的不同，目標的亮度和背景的亮度均要變化。因此閾值的正確選擇是很重要的，直接影響著分割的精度及圖像描述分析的正確性。通常采用自適應閾值選取，下面介紹基于梯度調整的矩不變自動閾值法，它克服了矩不變自動閾值法的缺陷，達到較好的分割效果。
1 矩不變閾值分割法介紹
矩是隨機變量的數學特征。矩法是由 Karl pearson在1894年引入的參數點估計算法，其基本思想是：樣本抽自總體，樣本的矩在一定程度上反映了總體的矩。因此可以用樣本矩函數的估計作為相應的總體矩函數的估計量。矩法是一種效率較高的正態(tài)性檢驗方法。具體作法是：樣本矩作為相應總體矩的估計量；以樣本矩的函數作為相應的總體矩同樣函數的估計量。這種方法最常見的應用是用樣本平均數估計總體數學期望。
從統(tǒng)計學觀點來看，圖像可以看作是二維隨機過程(隨機場)中的一個樣本，這個樣本可以看作是理想圖像的模糊視覺，其特性反映了總體的特性。從統(tǒng)計的角度來看，分割就是由樣本估計總體的特征，由樣本的分布估計總體的分布，分割本身也是對整體的一種描述和估計，是一個參數估計的問題，可以用參數估計的方法進行目標圖像的分割。矩不變閾值分割法就是把矩法用于圖像的分割，其基本思想是：使閾值分割前后，圖像的矩保持不變[3]。矩不變閾值法可以看作是一種圖像變換，它將原始模糊圖像變換成理想圖像。
二維圖像的第k階矩mk定義為：
[1] [2] [3]
【基于梯度調整的矩不變自動閾值圖像分割算法】相關文章：
基于梯度特征的圖像自動分割方法05-02
圖像小波閾值去噪算法研究04-27
基于模式特征的圖像壓縮算法05-01
基于圖像對的體視顯示算法研究與實現04-29
基于正弦變換的紅外圖像均衡算法05-02
基于遺傳算法的二維最小交叉熵的動態(tài)圖像分割04-26
基于多小波分析的圖像融合算法05-01