基于变精度粗糙集理论的图像分割方法

摘要

图像分割是图像处理的一个重要领域，也是图像处理最困难的任务之一，一直受到人们的高度关注.随着计算机技术的发展，在图像分割方面，产生了大量新的理论和方法，粗糙集理论就是其中之一，粗糙集理论是一种处理不精确、不确定知识的科学理论.目前，粗糙集理论已广泛应用于图像处理，但是变精度粗糙集理论在图像分割的应用还很少.
　　本文基于变精度粗糙集理论提出了两种新的灰度图像分割方法，并且对图像分割中的阈值化方法进行了研究.一种是利用粒子群算法以基于边界域的变精度粗糙集为评价标准对图像进行分割;另一种是利用遗传算法和小波变换以变精度粗糙集为评价标准对灰度图像进行阈值化分割.
　　第一种方法以基于边界域的变精度粗糙集为评价函数，通过粒子群寻优找出最大近似分类质量对应的β区间，其中β最大上界对应的灰度值即为最佳分割阈值.这种方法降低了算法对图像分割子块大小的敏感性，并在一定程度上降低了算法的运行时间.第二种方法着力于降低噪声对图像的影响，并且减少对噪声图像的分割时间.首先运用小波变换对图像进行分解，其次对图像运用遗传算法并以变精度粗糙集为评价函数寻找最佳阈值，最后对得到的图像用小波变换进行重组.这两种方法都通过MATLAB进行了试验仿真，验证了算法的有效性和可行性.

目录

声明

摘要

第1章 绪论

1．1 研究目的和意义

1．2 研究现状

1．3 本文所做的主要工作

第2章 相关基础知识

2．1 粗糙集理论

2．1．1 粗糙集基本概念

2．1．2 粗糙集的属性约简

2．1．3 变精度粗糙集

2．2 粒子群算法

2．2．1 粒子群算法的产生和发展

2．2．2 粒子群算法的基本原理

2．2．3 标准粒子群算法

2．3 遗传算法

2．3．1 遗传算法的产生与发展

2．3．2 遗传算法基本原理

2．4 小波变换

2．5 粗糙集与图像处理

2．6 图像分割的定义

2．7 图像分割基本方法

2．7．1 阈值化图像分割

2．7．2 基于边缘的图像分割

2．7．3 基于区域的图像分割

2．7．4 基于某些特定理论和算法的图像分割

第3章 基于VPRS-PSO的图像分割方法

3．1 算法原理

3．2 图像子块的划分及算法流程

3．2．1 图像子块划分与上、下近似及边界域的确定

3．2．2 算法流程图

3．2．3 主要函数描述

3．3 仿真实例

3．4 试验结果分析

第4章 基于变精度粗糙集和小波变换的遗传算法图像分割

4．1 算法原理

4．2 算法流程图

4．3 主要函数描述

4．4 仿真实例

4．5 试验结果分析

第5章 图像分割中的阈值化方法研究

5．1 最大类间方差法(Ostu法)

5．1．1 最大类间方差法(Ostu法)研究

5．1．2 改进的Ostu法

5．2 最小误差阈值法

5．2．1 一维最小误差阈值法

5．2．2 二维最小误差阈值法

5．3 熵的方法

5．3．1 单阈值分割

5．3．2 多阈值分割

5．4 变精度粗糙集阈值法

第6章 总结与展望

6．1 总结

6．2 展望

参考文献

致谢

攻读硕士学位期间的研究成果