基于区域合并的交互式图像分割算法研究(2)

菜单

这种的图像分割主要意义有很多方面如：

通过图像分割的医学图像分析，在不同的组织成不同的区域的医学图像，以帮助分析病情好转或组织和器官再造等脑MR图像分割的脑图像分割成脊髓，脑灰质和白质的大脑，通过分割血管重建3D图像的CT图像分割等血管图像分割。

很多军事领域都要进行图像分割，比如合成孔径雷达图像。而这些需要提供自动参数，图像分割技术恰恰可以做到这点[2]。

很多城市地形样貌以及农作物的生长情况都离不开图像分割的帮助。这些数据存储于相关云图中，但所属云系不同。而遥感气象可以通过图像分割实现对其的分析。

在交通领域中，电子监控会捕捉很多车辆图像，这就表示图形很多很大，不便于具体分析。但应用了图像分割，就可以化整为零，将具体的车辆图像“拎”出来，以便识别车牌等信息。

图像压缩是有对象的，图像数据库查询也是在内容的基础上的，结合两者可以把一个图像“切”成若干块，这样可以提高编码的压缩效率，进而使网页分类搜索得到改善。

如果图像分割是以区域为基础的话，那么就还有更多的应用领域。因为很多领域都有着图像分割的身影，所以非常多的科学家一直在对其理论进行钻研，这就表示其意义的远大。

1.2 内容与组织结构

第一章讲述了图像分割技术起源、发扬，以及背景及其意义；讲述图像处理和图像分析关键是纹理图像分割技术，是本文的说要点；最后概述了本文的所要讲的图像分割存在的问题，以及当下科学工作者需要主要攻克的难题[3]。源`自,751`.论"文'网[www.751com.cn

第二章概述了图像分割技术的研究和相关的重要的基本概念，介绍了分割阈值分割的分类，区域分割的图像，本文主要研究了的区域分割算法。

第三章开始先描述了基于Mean-shift聚类的交互式图像分割的背景和由来，接着进一步详细阐述这种，指定该MSRM算法均值漂移分割算法为基础；验证了图像分割算法的收敛性。

第四章讲述了MSRM算法，以及系统设计及实验结果。

2 图像分割技术研究综述

2.1 图像分割技术的背景介绍

近年来，交互式的方法主要是通过简单的操作来帮助算法用于图像分割的效果，得到了广泛的应用[4]。根据用户提供的相关标一记点信息，将交互式分割分为三大类。第一类交互式分割方法是用户提供一些在边界上的标一记点来完成的分割方法;一个典型的例子是智能剪刀（智能剪刀），也被称为活线算法，在指定边界上两点，图像分割是利用智能剪刀算法实现；第二类交互式分割方法是用户提供一些封闭的初始轮廓通过算法把初始轮廓演化到理想的目标轮廓上，完成图像分割;活动轮廓模型和水平集方法是该类型的代表，利用用户提供的初始轮廓，变形演化曲线完成分割结果;第三类交互式分割方法是用户提供一些初始的目标标记点和背景标记点，通过算法来完成所有像素的标一记，实现图像分割。

图割算法和随机游走分割算法近几年比较流行，是该交互式分割类型的代表。如今，大量的交互式分割方法被提出了。卡斯等人在1987提出的Snake模型，是对独立的视觉层次模型严格的挑战。这种蛇类型解决一系列关于视觉的问题。在最近的十年里，它已广泛应用于许多领域的边缘提取、图像分割、运动跟踪、三维重建。近年来这种算法已被广泛地应用在图像处理领域中，尤其在图像分割中己取得了很大的进展。

2.2 图像分割的概念与分类