基于像素的图像模糊理论分割方法的研究

摘要

经过二三十年发展，数字图像处理在电子计算机工程领域已经成为了一个非常重要的课题。图像分割，往往是图像处理初始阶段中最重要的一个环节，是许多基于图像、视频以及计算机视觉应用的预处理步骤，通常在图像处理应用中扮演着非常关键的角色。它是图像处理中一个最基本的问题，但同时又是复杂和困难的，这在很大程度上是由于至今没有任何一种方法适合所有的分割需求，必须针对不同问题使用不同方法。
　　在许多实际情况下，数字成像由于各式各样的原因，如有限的空间分辨率、对比度差、噪声干扰、亮度分布不均，通常具有不确定性和模糊性的特点，因而适合模糊理论知识对于图像这种不确定性的良好描述，这也是当下图像分割领域的一个热点所在。
　　本文就以模糊理论为基础，研究在图像分割中常用到的模糊阈值及模糊 C均值算法，提出了改进的算法框架，并在医学图像处理中进行了应用测试。论文的主要研究工作和贡献包括：
　　（1）提出了一个基于灰度直方图和像素相似性的模糊阈值分割框架。通过图像中像素集合模糊度进行相似性模型计算，选择合适的隶属度函数及模糊度测量从而在这种情况下产生提取目标对象的最佳阈值。该方法不需要先验知识，不基于最优化方程，从而在应对某些类型的图像具有优势。直接通过模糊隶属度函数计算目标区域和背景区域像素点集合的相似性程度，得到合理阈值，而非一般地求解最优方程，该方法可以有效避免某些陷入局部极值的情况。这也意味着该框架并不是得到全局最优解，因此对于一系列相同规格的图像，通过选择不同的模糊隶属度函数从而得到较合适的阈值。
　　（2）提出了一种基于空间信息的模糊C均值聚类改进算法mbFCM。虽然模糊 C均值聚类算法及其相应改进已被广泛使用在非监督的图像分割应用上，但还是或多或少受到噪声或者细节缺失的影响。通过合理利用图像邻域空间信息结合双边滤波，并进一步使用多分辨率分析,使得该算法对于高、低频噪声均较不敏感，可以有效去除噪声，并产生更均匀的聚类区域，保留更多细节，从而显著提高聚类性能。
　　（3）通过 Matlab软件仿真模拟，分别使用合成的和真实图像数据对算法进行了测试和分析，并将论文中所提出的模糊 C均值聚类改进算法在磁共振图像分割上进行应用。在结合验证方程及专家分割结果的基础上，得到的实验结果和定量分析表明：与其他模糊 C均值相关模糊聚类算法相比，本文提出的mbFCM算法进一步增强了对噪声图像的鲁棒性和细节保留能力,验证了该算法在医学图像分割的处理能力。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪论

1.1 研究背景和意义

1.2 国内外研究现状

1.3 主要研究内容

1.4 本文的组织结构

第二章 图像分割方法综述

2.1 引言

2.2 分割的定义

2.3 分割方法分类概述

2.4 基于模糊理论的图像分割方法

2.5 本章小结

第三章 一种基于模糊阈值的图像分割方法设计与实现

3.1 模糊理论与图像处理

3.2 模糊阈值分割

3.3 模糊阈值分割框架

3.4 实验及相关讨论

3.5 本章小结

第四章 一种基于空间信息的模糊聚类改进算法

4.1 FCM算法介绍

4.2 当前FCM算法存在的一些问题

4.3 mbFCM算法提出

4.4 实验及相关讨论

4.5 本章小结

第五章 mbFCM改进算法在磁共振图像分割上的应用

5.1 医学图像处理与分析

5.2 实验环境

5.3 验证方程

5.4 实验及相关讨论

5.5 本章小结

第六章 工作总结与展望

6.1 本文工作总结

6.2 进一步的工作展望

参 考 文 献

致谢

攻读硕士学位期间已发表或录用的论文