武汉植物学研究 !""#$!%&’()%*+,%-!
...................................................................
/012345067184390:43;<45=>?>42<8
基于图像处理的树叶面积测量系统
侯国祥@$翁章卓@$李洪斌@$李 伟!
&@A华中科技大学交通科学与工程学院$武汉 ’%""-’B!A中国科学院武汉植物园$武汉 ’%""-’(
摘 要)以数字图像处理技术为基础$对数码相机拍摄的含有参照硬板和树叶的照片进行图像分析处理$提出了获
取树叶的实际面积测量系统的一种独特实现
方案
气瓶 现场处置方案 .pdf气瓶 现场处置方案 .doc见习基地管理方案.doc关于群访事件的化解方案建筑工地扬尘治理专项方案下载
C采用此方案开发出相应的应用软件$应用于树叶面积的测量计
算$获得十分满意的结果C
关键词)图像处理B图像分割B树叶面积测量
中图分类号)D+’E%%- 文献标识码)F 文章编号)@"""E’-"G&!""#("’E"%*+E"’
HIJKLMNOPQRNSSTIMULSNVWXSYNKZQP[NLZHPNL\NLS]PNKNIY
_^‘abcEGdefg@$hijaklefgEklbc@$mn^ cfgEodf@$mnhpd!
&@Aqrsttuvwvuxyvxsyz{y|uyxxruy|}~!!x|x$"#s$%~y|&yu’xr(u)*~twvuxyvxsyzqxv%y~!~|*$hblef ’%""-’$+ldfeB
!A,#%sy-~)syuv.srzxy$q%x}%uyx(x/vszx0*~twvuxyvx($hblef ’%""-’$+ldfe(
H1SYPLRY)F fc2p3d453p4pf6e6dcf7c3b6dcf8c93pe8e9pe4pe7b9dfg7:76p4 d759p7pf6p;A
p77dfg6p>lfd?bp7c=6edf6lp9pe3e9pec8e3pe8=:59c>p77dfgef;
efe3:E@dfg6lp;dgd6e35lc6c76le6>cf6edf6lp3pe8ef;e9p8p9pf>p53efp=ce9;Aoe7p;cf6lp
d453p4pf6e6dcf7c3b6dcf$6lpeb6lc97le2p;p2p3c5p;efe553d>e6dcf7c86Ae9p6c4pe7b9p3pe8e9pe
ef;6lp4pe7b9p9p7b367e9p2p9:7e6d78e>6c9:A
BNXCQPVS)n4egp59c>p77dfgBn4egp7pg4pf6e6dcfBmpe8e9pe4pe7b9p4pf6
植物学研究人员在野外考察时$时常需要获取植
物叶片的面积C目前国外已有基于扫描仪原理开发的
叶面面积测量的硬件仪器$但野外携带不便$并且价
格昂贵C笔者通过分析处理树叶的数码相片$提出一
种全新的测量方案来达到面积测量的目的C数码相机
是野外考察人员必备的工具$本方案可以大大方便研
究人员的考察工作C但是由于焦距和拍摄角度都是变
化的$无法根据照片中的树叶轮廓直接计算树叶面
积$本方案通过引入参照正方形解决了这一问
题
快递公司问题件快递公司问题件货款处理关于圆的周长面积重点题型关于解方程组的题及答案关于南海问题
C
参照正方形是在一块硬板上绘制的已知边长的
&比如 !">4(正方形轮廓$我们把这个绘制参照正
方形的硬板称为参照硬板C拍摄树叶照片前$将树叶
放置在参照正方形的中心区域$这样拍摄的照片中
既有树叶轮廓又有参照正方形轮廓C如果能够计算
出照片中这两个轮廓的面积及两个面积的比值$就
可以结合参照正方形的实际面积根据比例关系计算
树叶的实际面积C
由于拍摄角度变化的原因$参照正方形在照片中
可能发生几何形变$从而导致参照正方形的面积和树
叶的实际面积之比同它们在照片中的面积比不相等$
并进而影响计算结果的准确程度C为了去除参照正方
形几何形变的影响$系统在获得参照正方形端点后对
图像进行必要的几何变换处理$来保证叶面面积计算
正确可行的理论基础)叶面区域和参照正方形的实际
面积比同它们在照片中的面积比相等C
D 技术方案
DAD 总体方案
为了更具体地描述树叶面积测量系统的总体方
案$首先给出测量树叶面积的操作过程)第一步$将
树叶贴在参照硬板的参照正方形中心区域B第二步$
用数码相机对参照硬板照相B第三步$将数码相机中
收稿日期)!""’E@@E!%$修回日期)!""’E@!E!EC
基金项目)中国科学院知识创新工程重要方向项目&FG+G!E@E@"(资助B国家重点基础研究发展规划项目&!""!+o’@!%""(资助C
作者简介)侯国祥&@+-!H($男$副教授$主要从事河海资源与环境I图像处理方面的研究&iE4ed3)lcbgbcJdefgK@*%A>c4(C
的照片文件导入计算机!第四步"运行叶面面积分析
计算软件"分析照片文件计算面积#
操作过程的前两步体现了测量方案的第一个要
点"即必须同时将参照正方形和树叶拍摄到照片中"
并且参照正方形的面积是已知的$比如 %&’()
%&’(*#这样就可以对照片中两者的面积进行分析
计算"从而使得计算树叶的实际面积成为可能#方案
的第二个要点是树叶面积分析计算软件#它的主要
作用就是在去除几何形变后计算参照正方形和树叶
在照片中的面积及两者的比值"进而计算树叶的实
际面积#由于首先去除了几何形变"确保以下比例关
系成立"即+
,-./,..0,-1/,.1 $2*#
其中 ,-.3,..分别表示树叶和参照正方形的实际面
积"而 ,-13,.1分别表示两者在照片中的面积#上述
4个量中除树叶的实际面积外"其他 5个量一个已
知"另外 %个由图像处理过程分析计算确定"所以树
叶实际面积最终可由$2*式计算得出#
具体的图像处理过程较为复杂"下面进行详细
论述#
678 图像处理过程
整个图像处理和分析计算过程可以分为以下几
个阶段+图像预处理3输入参照正方形的 4个端点3几
何校准3图像初始分割3去除斑点3提取初始轮廓3图
像分割优化3面积计算#
图像预处理就是将照片图像文件的格式转换为
图像处理算法便于处理的格式"数码相机拍摄的照片
文件通常都是 9:1格式的真彩色图像#为了便于后
续数字图像处理过程"需要进行预处理"将 %4位真彩
色的 9:1图像转换为 %;<色 =>:灰度图$见图 2*#
图 6 ?@A格式原始树叶图像
BCDE2 F(GDHCI=>:JKL(GM
处理过程的第二步是通过用户确定参照正方形
的 4个端点#由于参照正方形的 4个端点是用户确
定的"所以测量过程的自动化程度还有提高的可能#
随后的几何校准过程首先是根据这 4个点的位
置和参照正方形的已知形状确定必须进行何种几何
变换能够恢复参照正方形的几何形状N2"%O"然后对数
字照片实施几何变换#后续的所有分析处理过程都
是在几何校准后的图像上进行的"并且分析处理过
程仅限于图像中正方形区域内部#几何校准最根本
的目的是确保$2*式的成立"从而保证计算的理论正
确性#
为什么几何校准过程就能够保证$2*式的成立P
使用数码相机对贴有树叶的参照硬板拍照的过程实
际上就是参照硬板$贴有树叶*图像数字化的过程#
由于拍摄角度和距离的不确定性"参照正方形在照
片图像中变成一个缩小了的普通四边形#所以"参照
硬板$贴有树叶*图像数字化的过程中既有相似变换
$等比例放缩*"又有几何形变$正方形变成四边形*
的因素#不妨将其中的几何形变记作 J"而几何校准
过程就是通过照片中参照正方形 4个端点的位置确
定需要进行的几何变换 JQ2"使得照片图像进行几何
变换 JQ2后参照正方形的图像由普通四边形恢复为
正方形$图 %*#这样"在几何校准过程对图像实施了
必要的几何变换之后"$2*式能够成立从而确保树叶
实际面积计算的理论可行性#
图 8 几何校准过程示意图
BCDE% 1HK(HMLRGSTUVM(HIM
几何校准之后就是图像分割过程#光照强度的
变化对图像分割的影响很大N5O"使得全局分割并不
是总能很好地将叶面区域从背景中成功分割出来#
分割结果不理想或是失败的情形经常出现$图 5*#
经过反复尝试和分析"最后确定通过两阶段局部分
割来实现图像分割过程"具体包括初始分割过程和
树叶边界增加局部分割的分割优化过程#
开始时曾多次尝试使用全局整体分割来完成初
始分割"但是结果很不理想#经过对图像中象素的灰
度信息细节分析后"发现整体分割结果不理想的原
&W5 武 汉 植 物 学 研 究 第 %5卷
图 ! 整体分割结果失败或不理想的情况
"#$%& "’#()*+,’-+./$+0+*’(1#2#-#.0
因在于光照强度的变换太大3导致前景4树叶5和背景
象素在灰度分布直方图中的分布有不可忽略的交叉
区域6所以很多时候3一个理想的适用于图像整体分
割的阈值实际上不存在6所以系统实现方案最后选择
通过 787局部平均分割来实现初始分割6由分割结
果来看3787局部分割的结果明显优于整体分割6
图像初始分割过程9通过将参照正方形区域分
成左上:右上:左下和右下 ;个区域3分别进行局部
分割来完成6分割完成后3图像变成黑白二值图像3
背景区域由白点组成3叶面区域由黑点构成6初始分
割的结果基本可以接受3但仍有明显缺陷3比如斑点
和裂缝现象以及 ;个区域结合处分割结果不理想的
情况4图 ;56
图 < 初始分割结果4787局部分割5
"#$%; "#*-=1#2#-#.0
去除斑点过程和提取轮廓过程都是为后续的二
次分割4优化分割5服务的6去除斑点过程是为了去
除初始分割结果的背景区域中小的黑色斑点和叶面
区域中小的白色斑点6判断斑点区域3可基于经验知
识来进行>;?6如果一个黑色区域内包含的象素点个
数不超过某个经验阈值4比如 @A5则认为是黑色斑
点3白色斑点的判断与之类似6去除一个斑点区域就
是将该区域内每个象素点进行反色处理4黑色变白
色3白色变黑色56
轮廓提取过程将树叶区域所有轮廓点的坐标按
照依次邻接的位置次序记录到 B个数组中4从二值
图像中进行轮廓提取是比较典型和成熟的图像处理
算法>@3C?56
图像分割优化过程以初次分割结果和轮廓提取
结果为基础6首先在树叶轮廓点数组中每隔 D个点
4D的大小根据经验确定3比如 7A个点5取一个轮廓
点 E3增加一个局部分割6局部分割在以轮廓点 E为
中心347DFB5个象素为边长的正方形区域内进行G
局部分割的结果加到去除斑点后的初始分割结果中
替代原来该区域的分割结果6所有增加的局部分割
完成后再做一次去斑过程和轮廓提取过程就可以获
得最终的树叶区域和轮廓6
树叶面积计算过程先是统计参照正方形区域和
叶面区域在图像中所占的象素数分别获得照片中的
参照正方形面积 HIJ和树叶面积 HKJ3然后根据
4B5式计算得到树叶的实际面积 HKI4其中参照正
方形的实际面积 HII是已知的56
LM! 局部分割的具体实现
图像处理过程中初始分割和优化分割都是通过
局部分割来实现的6这些局部分割都是在校正后的
7@C色灰度图的某个特定局部区域 N内进行的3下
式表述了局部分割的二值化过程9
O4P3Q5R
B3 S4P3Q5TUVA3 S4P3Q5WU 4756
其中4P3Q5为灰度图特定局部区域 N内一个象素的3
S4P3Q5为该象素的灰度值3U为局部分割的阈值3
O4P3Q5为象素4P3Q5局部分割二值化后的结果6局部
分割的阈值采用下面的迭代算法>C?来确定9
4B5求出在局部区中的最小和最大灰度值 S(
和 S)3令阈值初值
UAR
S(FS)
7 G
475根据阈值 UX将图像分割成目标和背景两
部分3求出两部分的平均灰度值 YZ和 Y[9
YZR
\
S4P3Q5WUX
S4P3Q58]4P3Q5
\
S4P3Q5WUX
]4P3Q5 4&53
Y[R
\
S4P3Q5^ UX
S4P3Q58]4P3Q5
\
S4P3Q5^ UX
]4P3Q5 4;56
B_&第 ;期 侯国祥等9基于图像处理的树叶面积测量系统
上述!"#式和!$#式中 %!&’(#为局部区域 )内象素
!&’(#的灰度值’*!&’(#为象素!&’(#点的权重系数’
这里一般取 *!&’(#+,-
!"#迭代确定新的阈值.
/012+
34135
" !6#-
!$#如果/0+/012或迭代次数7超过上限!由
于灰度值范围为 ,8966’所以迭代次数上限设为
966#则结束-否则’转步骤!9#:
初始分割需要进行 $次局部分割’分割的结果
合并在一起构成了初始分割结果:然后对初始分割
结果进行去斑并提取树叶的初始轮廓:后续的优化
分割过程是沿树叶初始轮廓增加局部分割来优化树
叶边缘的分割效果’增补的局部分割结果整合到初
始分割结果中!用局部分割的结果数据覆盖初始分
割结果中对应局部区域的数据#:
; 结果与评价
由图像处理的结果来看’树叶面积测量系统对
树叶照片图像的分割和轮廓提取结果都是比较理想
的’和人的视觉观察结果基本吻合!见图 6<图 =#:
为了验证树叶面积测量的准确程度’我们将同
样的树叶图片加载到 >?@AB>C中’然后手工确定
参照正方形和树叶轮廓’利用 >?@AB>C的面积计
算功能来计算树叶的实际面积:经过 9D张树叶照片
的处理’将 >?@AB>C和树叶面积测量系统的计算
结果进行了对比:在假定 >?@AB>C计算结果是树
叶面积真实值的情况下’树叶面积测量系统的计算
平均误差为 ,EF$G’最大误差不超过 "G:
图 H 分割优化后的分割结果
IJKL6 4M@JNJOPQQJRJSJAT
图 U 最终确定的树叶轮廓
IJKL= IJTVWXAT@A?YAZ@[PWPVZ
\ 结论
笔者提出的树叶面积测量方案应用便捷有效’
实际测量结果完全能够满足植物考察研究工作的要
求:基于该方案开发出的树叶面积分析计算软件使
用方便’为野外植物考察人员计算树叶面积提供了
一个便利的工具:目前’树叶面积分析计算过程中要
求用户输入正方形端点的位置’所以计算过程的自
动化水平还有提高的空间:如果能够应用特征提取
和识别技术自动确定正方形端点的位置’则叶面积
分析计算过程的自动化程度可以大幅提高:
参考文献.
]2^ _PYJXPRJX‘’5PTSATC a’5YbVT_’cNJ@[dEePANP@YJX
XAYYPX@JATAZQJKJ@VWJNVKPS?SJTKAY@[ATAYNVWQPXANMASJ@JAT
]_^Efg&hijk’2FDl’mno!"#.9"" 9$6E
]9^ aXdPVTe IEePANP@YJXXAYYPX@JATAZQJKJ@JOPQVY@]_^E
piqrs&hqtgjuvtkqwuxyqzv{ijhvkk&wz’2FF=’H|!9#.22
9"E
]"^ 5JSX[AZ}’ ~JWQPTV?PY}’ dPATVYQJS>E !WW?NJTV@JAT
JTSPTSJ@JRP YPXAKTJ@JAT ?SJTK PJKPTSMVXPS]_^E "jyr#$vi
%&k&jwqwuxyqzv&wuvik$qwu&wz’9,,$’oH.69" 6$9E
]$^ }VTB’’dJT0(’~PP~ e’aJT@S)a’*AYPN+,VC-’
.0TA/WPQKP0+VSPQJNVKPVTVWbSJSZAYV?@ANV@PQ+A?TQVYb
P1@YVX@JAT AZ -YVTSPSAM[VKPVW 2X[AXVYQJAKYVM[JX dPZ@0
3PT@YJX?WVYJNVKPS4!222 -YVTSEATaPQJXVW!NVKJTK’
!3AWE2,’(AE$#’CPXE2FF2E
]6^ 卡斯尔曼!0PTTP@[)EBVS@WPNVT#E数字图像处理]a E^北
京.清华大学出版社’2FFDE
]=^ 何斌’马天予’王运坚E3JS?VWB11数字图像处理]a E^北
京.人民邮电出版社’9,,2E
9l" 武 汉 植 物 学 研 究 第 9"卷
基于图像处理的树叶面积测量系统
作者： 侯国祥， 翁章卓， 李洪斌， 李伟， HOU Guo-xiang， WENG Zhang-Zhuo， LI Hong-
bin， LI Wei
作者单位： 侯国祥,翁章卓,李洪斌,HOU Guo-xiang,WENG Zhang-Zhuo,LI Hong-bin(华中科技大学交
通科学与工程学院,武汉,430074)， 李伟,LI Wei(中国科学院武汉植物园,武汉,430074)
刊名： 武汉植物学研究
英文刊名： JOURNAL OF WUHAN BOTANICAL RESEARCH
年，卷(期)： 2005，23(4)
被引用次数： 1次
参考文献(6条)
1.Jericevic Z.Benson D M.Bryan J.Smith L Geometric correction of digital images using orthonormal
decomposition 1987(03)
2.McLean G F Geometric correction of digitized art 1996(02)
3.BISCHOF H.Wildenauer H.Leonardis A Illumination insensitive recognition using eigenspaces 2004
4.Han C Y.Lin K N.Wee W G.Mints R M Porembka D T "Knowledge-based image analysis for automated
boundary extraction of Transesophageal Echocardiographic Left-Ventricular images" IEEE Trans 1991
5.卡斯尔曼.Kenneth R Castleman 数字图像处理 1998
6.何斌.马天予.王运坚 Visual C++数字图像处理 2001
相似文献(10条)
1.学位
论文
政研论文下载论文大学下载论文大学下载关于长拳的论文浙大论文封面下载
张巍玖 蚁群算法的研究及其在图像处理方面的应用——基于图像分割问题 2009
蚁群算法是20世纪90年代意大利学者MarcoDorigo等人受到自然界蚂蚁觅食行为的启发提出的一种新型的群体智能算法，其模型本身具有较强的鲁
棒性和并行性，又具有分布式、自组织和正反馈等特征，但同时也存在收敛速度慢，易陷入局部最优等不足。本文的主要研究内容如下：
首先，对蚁群算法进行基础理论研究，对于近年来蚁群算法的研究进展进行总结，对于蚁群算法在图像分割领域的研究状况进行了研究。
其次，针对蚁群算法在图像分割处理中的不足之处进行改进，提出一种基于区域-边界蚂蚁的蚁群算法模型(RE-ACO)，改进后的模型在区域蚁群搜索
的基础上引入边界蚁群，不同的蚁群采用不同的路径选择策略和信息素更新策略，进一步提高算法的精度。实验表明，与传统的sobel和canny算子检
测结果相比改进后的算法在运行效率和分割精度方面有更大的优越性。
第三，结合蚁群算法和脉冲耦合神经网络的各自优点提出了一种蚁群-脉冲耦合神经网络混合算法(AC-PCNN)。脉冲耦合神经网络模型(PCNN)需设置的
参数较多，且对不同类型的图像其分割参数不同，不同的分割参数对分割结果影响很大，因此利用蚁群算法在解空间中自动搜索最优参数，通过动态
路径选择策略和全局信息更新与局部信息更新并行的方式来调整蚂蚁的搜索方向，使之最终找到最优参数，从而实现PCNN模型的自动图像分割。实验
证明，蚁群-脉冲耦合神经网络混合算法是完全可行的，能够取得较好的分割效果，并且在时间效率方面有极大的提高。
2.期刊论文 特利克 浅谈图像分割技术 -管理与财富2009,""(5)
图像处理在实际中已得到越来越广泛的应用,而图像分割是图像处理与计算机视觉的基本问题之一,是图像处理到图像分析的关键步骤.随着越来越
多人的研究,近年来涌现了许多新理论、新方法.但是没有一种方法能满足所有图像分割领域.本文主要工作是首先分别介绍了阈值分割方法,边缘分割
法,聚类分割法,在综述其相关方法的同时阐述每类分割方法的特点.然后,对图像分割的困难进行分析.最后,对图像分割方法进行评价.
3.学位论文 罗彤 视觉感知启发的图像分割系统研究 2008
图像分割是个广义的概念，包括图像处理中狭义的分割，即将图像特定性质的区域分离开的技术，还包括对图像中目标物体与其它背景物体的分
离技术，尤其是后者一直是一个图像处理和计算机视觉领域中的基本难题。在这些领域中，分割都是重要的图像分析技术，为物体识别、图像各种度
量和图像的理解等提供定量依据，在静态和动态图像信息处理中有广泛的应用。
人们往往感兴趣的图像区域只是特定的部分，其中，物体分割特指将语义上的目标物体区域或对象从背景中分割出来，传统的狭义图像分割更多
的是提取特征相似或特定特征的区域，受复杂的背景和各种成像干扰影响，特定特征的区域有时难以确定，最困难的还是来自物体内部较大的特征差
异，狭义图像分割难以将物体从背景区分开来。这样导致依靠图像中特定目标的后续计算工作没有建立很好的基础，造成物体识别、测量等方面的困
难。
和其它的图像处理、计算机视觉技术一样，图像分割的技术也从与其它学科的交叉中获得发展。其中，联系较密切的是视觉感知系统的心理和生
理研究。生物的视觉感知系统具有非常优秀的信息处理
机制
综治信访维稳工作机制反恐怖工作机制企业员工晋升机制公司员工晋升机制员工晋升机制图
，是生物进化的完美结果，对物体与背景的分离轻而易举，对物体的识别判断准确快速。
受到生物视觉系统的启发，许多研究都在寻找一种机器智能计算与生物活动的对应联系，以求将计算机的处理流程不断优化。
本文从视觉感知启发的角度认识分割，并借鉴生物视觉活动的流程，对分割技术的分类和发展思路作了一定的分析，研究了与两个典型视觉活动
流程相关的分割技术，即自底向上(Bottom-up)分割和自顶向下(Top-down)分割，在这两个方面作了一定的创新研究。与本文有关的视觉感知启发包括
多尺度分析，注意机制和Top-down & Bottom-up分割识别一体化流程。涉及的主要计算机技术领域包括非线性尺度空间的建立和分割应用，基于注意
机制和区域竞争的图像分割和层次化Top-down和Bottom-up结合的物体分割体系。还涉及的其它Bottom-up技术还包括水平集分割方法。
现在图像分割领域新发展的自顶向下(Top-down)分割技术就是将物体的分割引入到物体识别的范畴，与Bottom-up分割技术互补，视觉通路中的对
照的是视觉神经反馈和前馈回路，主要是通过建立先验知识和物体模型，以模型驱动图像分割，模仿生物认知高级活动的预测和决策功能。针对上面
提到的分割所面临的复杂情况，跳出Bottom-up分割技术最常见的聚类技术的局限，发展到以物体的种类为基本特征单元，完成物体识别和分割同步协
调的渐进处理流程。
本文的主要工作是从新的角度建立物体的树结构层次表示模型，树结点是含局部特征的碎片或其子碎片，模型含有形状，表面和位置等信息。训
练学习阶段中，提取碎片的
标准
excel标准偏差excel标准偏差函数exl标准差函数国标检验抽样标准表免费下载红头文件格式标准下载
包括常见的按形状和表面灰度特点，还包括对物体的拓扑结构分析求得物体骨架，本文创新地建立一套以骨架为标准
的碎片提取方法和碎片匹配方法，将碎片与图像匹配，获得物体的形状、位置等估计，形成物体的Top-down相似程度图。对物体估计，除了Top-
down结果，还需配合按通常Bottom-up分割方法求出图像区域的相似程度图，共同构成总的物体的估计图完成分割。
面对外部环境中物体有繁简和疏密的差异，视觉系统应对的方法是多尺度、多分辨率地描述物体特征，提高感知的稳定性。这个特点很早地被图
像处理的研究工作者注意到，并形成以尺度空间为代表的图像多尺度分析，给图像处理带来一种主要的技术手段，几乎是所有图像分割都考虑的环节
。尺度空间分线性和非线性两种，实现方法有线性和非线性滤波，程度不同的滤波可以对应不同程度的尺度。采用各向异性的非线性滤波可以保持边
界结构进而保持物体形状，这样可以建立起非线性尺度空间，逐层地描述物体的整体结构和细致结构。
本文工作之一是建立一种快速非线性尺度空间的构造方法，更好地为多尺度分割提供图像结构信息。与以往的全变分模型不同，本文研究了尺度
参数选择问题，提出尺度全变分概念，修改全变分的算法，将尺度的选择从扩散时间延伸到扩散空间，根据结构张量，定义了变化空间域的散度计算
的新概念，形成以大小逐级变化的滤波邻域为参数。克服以往尺度局限在时间参数上时迭代次数会很长的缺点，现改为的空间尺度，加快滤波处理
，也符合尺度概念的常识。本文介绍了滤波方法构建尺度空间的基础，分析尺度参数的选择，设计多尺度处理新方法，分析了停止条件，以在多尺度
基础上的图像分割和光滑为应用，说明尺度全变分的优点和不足。
基于区域的分割一个特点是设定种子点，例如，相关的技术有模糊连接度方法，这已成为医学图像分割的实用方法，但其中比较困难的步骤是设
定多种子点，目前自动给定的手段还不是很有效。如果不作显性设置，则需要同时对分割目标和背景考虑，判断像素是否属于目标还是背景，实际上
是隐性设置种子点。尽管种子点的提取或设定可以用很多的定量标准，但从视觉注意的机制定量分析还不多见。经过从视觉活动的规律分析，本文借
助视觉注意机制对物体区域的感知，设计注意模型引导物体的正确识别，即可以将物体与背景分割开来。
本文工作之一是将种子点等价于视觉特征显著点，提出了视觉注意模型引导下种子点给定的新方法。通过研究显著点定位与图像特征概率密度估
计之间的关系，引入新的视觉特征估计地图，构造了注意计算模型，采用无阈值方法定位各类物体的视觉显著点并用于引导区域增长方式的图像分割
。新的注意计算模型的定量描述能力较以往的模型有很大提高，适用于处理模糊图像。新方法能完全自动定位种子点，有效分割图像，提高准确率。
多种子点之间引入的竞争策略加快了图像分割中的区域增长处理过程。
近年来发展的水平集分割来自主动轮廓模型方法，是经典的分割方法，主动轮廓模型本来就是一种Top-down分割雏形，现在的水平集方法研究也
从Bottom-up流程为主走向Top-down流程，即图像的底层特征与高层的物体统计模型结合。主动轮廓模型本身还是需要不断完善，包括Bottom-up和
Top-down两个流程。当然，Top-down流程的影响作用加强，能提高目标物体分割的鲁棒性，所以水平集分割技术还是很有发展前途的。
本文的工作之一主要从Bottom-up的角度研究水平集分割，对Chan-Vese模型进行改进，发展新的基于区域的水平集分割方法，针对模糊图像以及
弱边界的情况，增强区域的特征对比，获得更准确的物体特征估计，解决类似弱边界的问题。强调区域的相互作用，可以将弱边界的问题转化到不同
物体的分类上，实际效果是对全局性质的特征处理，避免单独区域的扩张或收缩，也避免对弱边界特征的判据只是借助局部性质。本文提出的图像分
解方法和合并方法，密切配合水平集分割，引入多区域之间的竞争关系，将图像区域按类似二叉树结构不断分解形成子区域，避免一般的多区域竞争
关系中区域只有合并没有分裂的问题，将多目标物体的水平集分割先变成子区域的合并和分裂过程，作为初始阶段，后续阶段再采用水平集分割的完
整过程。本文对区域合并的能量判断，采用分别测量区域不同性质的特征，不同特征对应的能量变化处理也不同，避免简单采用灰度特征逼近的标准
，在一定条件下，更关注区域灰度逼近程度同曲线曲率最小化的配合协调。
4.学位论文 董立菊 高效的图像分割算法的研究 2004
近年来，随着计算机性能的不断提高，图像处理和计算机视觉得到了越来越多的应用。它们处理的对象是静止的图像或者运动的图像序列。由于
图像信息量大、所包含内容的特殊性和复杂性，使得图像处理的难度大大增加，同时也使图像处理的研究趋于多样化，以满足不同的图像处理的需求
。
图像分割是图像处理的重要领域之一，其目的是将图像中感兴趣的部分提取出来，是进一步进行图像识别和分析的基础，因此它是图像理解的一
个关键步骤。图像分割是图像处理中最常见和最困难的问题之一，虽然目前已研究出不少图像分割的方法，但还没有适用于很多场合的图像的有效方
法，很多好方法也不能满足实时系统的要求。目前，对图像分割技术的研究还在不断深入和广泛地进行，本文正是选取了这一热点和难点课题进行了
研究。
本文的主要工作是提出了多个新的图像分割方法，分析了它们的性能，并与几个常用的经典方法进行了理论和实验比较。大量的图像样本实验结
果表明，本文提出的方法是可行和有效的，特别适合需要实时处理的系统。
本文的具体研究内容如下：(1)对众多的图像分割方法，特别是阈值化方法系统进行了分类、比较和评价。
(2)提出了一个对灰度图像进行快速二值化的优化方法。本文将二值化建模为一个离散优化问题，通过对一个加权误差平方和函数的极小化来找到
最佳阈值。同时还将本文的新方法与经典的二值化方法Otsu和熵进行了比较，大量的实验结果表明新算法不仅能得到满意的分割结果，而且更加有效
，特别适合于对时间要求很高的实时系统中。本文也从理论上证明了新算法同Otsu算法能产生完全相同的分割结果，但速度快得多。
(3)提出了多个阈值的图像分割方法。经典的Otsu和熵算法只给出了寻找一个最佳阈值的特例，本文将它们推广到寻找多个阈值的一般情况，并将
本文提出的新算法也扩展到多类的分割。通过理论分析和实验比较，证明了在多类的情况下，新算法更具有优势。
(4)对有噪声的图像进行快速分割。在2D直方图上进行投影运算，将1D直方图上的快速算法移植到图像的2D直方图上，实现了对有噪声图像的快速
分割。新算法既能达到较快的效果，又能很好地抑制噪声。与基于2D直方图的Otsu和熵的算法进行了比较，实验结果均表明新算法有效的多。
(5)提出了一个基于K均值聚类和两层塔形结构的彩色图像分割快速算法，新算法通过两个途径来加快彩色图像的分割。第一个途径是构造一个彩
色图像的两层塔形结构，通过在上层小图像的快速聚类结果来有效地指导下层大图像的聚类。第二个途径是通过一个利用查找表实现的快速K均值聚类
算法来进行聚类。对彩色图像的分割实验表明，本文提出的整个塔形算法比直接用K均值聚类算法对原图像进行分割快了一个数量级，并且两算法产生
了几乎完全一样的分割结果。
(6)本文对所有的新算法进行了计算复杂度的分析，理论分析和大量的实验均表明，本文提出的多种对于图像分割的快速优化算法比传统方法更加
有效。
5.期刊论文 郑晓曦.严俊龙.Zheng Xiaoxi.Yan Junlong 图像分割新方法综述 -计算机与数字工程2007,35(8)
图像分割是图像处理与计算机视觉的基本问题之一,是图像处理到图像分析的关键步骤.随着越来越多人的研究,近年来涌现了许多新理论、新方法
.但是没有一种方法能满足所有图像分割领域.在总结国内外最近几年相关学者的论文及其著作的基础上,对图像分割方法进行分类和讨论.在综述其相
关方法的同时阐述每类分割方法的特点,对其它研究者在分割方法的选择上有一定的指导作用.
6.学位论文 劳丽 聚类算法研究及在图像分割中的应用 2006
图像分割是图像分析、理解的基础，是图像处理的一个极其重要的环节，也是图像处理中最古老和最困难的问题之一；图像分割在很多领域得到
了广泛的应用，吸引了很多的学者和研究人员。对图像分割的研究涉及分割特征的选取、算法的设计、计算复杂度的降低以及算法的快速实现等各个
环节。图像分割的方法很多，每种方法都有各自的优点和不足。
聚类是模式识别领域非常重要的内容之一。它是把具有相似性质的事物区分开加以分类。由于图像分割问题恰好是将图像的像素集进行分类的问
题，于是人们很自然地将聚类分析用于图像分割之中；基于聚类分析的图像分割方法是图像分割领域中一类极其重要和应用相当广泛的算法，无论是
灰度图像分割、彩色图像分割还是纹理图像或者其它类型的图像分割，都可以应用聚类分析方法完成分割。
本文基于图像处理以及模式识别技术，针对聚类方法应用于图像分割的特点，着重进行聚类算法以及图像分割方法的应用研究，取得以下成果：
1.对图论聚类算法做了深入研究，就图论聚类算法的难点，提出一类最大熵图论聚类算法；该算法分析了数据类的类内差和类间差结构特点，并
以此构造了一个基于图论最小支撑树的加权熵目标函数，根据最大熵原理，完成基于图论的聚类；该方法创新性地将分类数据集看成一个随机系统
，不同的聚类划分是随机系统的不同状态，以香农的加权熵反映不同状态的信息量，根据最大熵原理，由熵最大的划分确定聚类结果。这个方法是完
全无监督的聚类方法，不需要分类数以及初始聚类中心等先验知识，而且对数据类的形状不敏感。
2.本文将最大熵图论聚类算法应用到图像分割中，并讨论了图像特征数据的提取和分割的具体方法。该聚类方法用于图像分割不需要事先给定区
域分割数，能自动地确定图像的分割类数，是完全无监督的图像聚类分割方法。
3.对聚类算法中关于数据样本相似度的定义进行认真分析，研究了以距离为相似度的缺点；根据数据集的分布，定义了一个新的相似度计算的方
法。新的定义既考虑距离，同时考虑两个数据样本之间的分布差异，新的相似度定义更符合数据集样本的聚类要求。
4.在讨论生物免疫系统机理的基本原理基础上，分析了aiNET人工免疫网络进化机制的特点；根据aiNET网络的缺陷，提出一类基于抗原的抗原性
的非均衡免疫网络(IaiNET)，将生物免疫网络中抗原的抗原性概念引入到人工免疫网络进化中，并根据生物免疫系统中抗原性的作用和机理，设计了
基于抗原性的网络进化机理。在所设计的免疫网络进化机制中，免疫网络中的抗原的抗原性反映的是数据样本的特征，并影响免疫网络中抗体的特异
性水平，从而免疫抑制的水平不同；通过进化产生的抗体免疫网络结构具有非均衡的特征。实验证明人工免疫网络引入抗原性，克服了原aiNET网络不
能反映数据集典型样本特征的缺陷，并且抗噪声的能力大大增强。
5.将基于抗原的抗原性的非均衡免疫网络(IaiNET)聚类方法应用到图像分割中；根据非均衡网络抗原性的概念，基于图像的二维直方图的分布状
况和直方图特点，构造聚类图像分割的数据集并基于二维直方图提取数据样本(抗原)的抗原性；利用非均衡免疫网络聚类的图像分割具有很好的抗噪
声能力，而且是完全无监督的图像分割方法。
7.学位论文 王佐林 图像分割在文档图像处理中的应用 2007
文档图像在办公自动化、数字图书馆、电子商务、电子政务、教育等项目中已经广泛应用，在这些应用中，纸质文档通常采用扫描方式得到数字
化文档图像进而进行存储和数据处理，纸质文档的信息化是提高数据管理效率、查询效率的重要途径之一。
文档图像的处理一般包括：图像预处理、图像分割、图像识别。本文研究了文档图像的分割问题，将图像的文本块与自然图像分离，实现文本图
像的行切分和字符切分。
基于文档图像的纹理及结构特点，本文先对文档图像进行预处理，使用HOUGH变换检测、定位文档图像的行信息和倾斜角，进行图像的校正，然后
使用连通域算法对图像中的目标进行标记，利用文档图像的结构特征和统计特征分割图像，获得纯文本区域，字符的分割使用了连通域、字符结构特
征分析等方法，实验数据说明了本文算法的有效性和鲁棒性。
本文的工作主要体现在以下几个方面：
(1)对自然图像和纯文本文档图像的纹理特征进行了分析，通过量化指标说明文档图像与自然图像之间的差异性。
(2)针对文档图像的特点，对文档图像的预处理进行了分析和比较，给出了图像预处理算法的流程图。
(3)提出一种新的文档图像分割方法，使用图像的边缘连通域目标数的统计特征分割图像，给出了具体的实现算法。
(4)字符分割使用了多种方法，具有更好的实用性。
(5)指出本文算法的不足，提出改进建议，对进一步的研究进行了展望。
8.期刊论文 黄峰茜.陈春晓.姚均营.Huang Fengqian.Chen Chunxiao.Yao Junying 图像分割方法的研究进展 -中
国医疗器械信息2006,12(12)
图像分割是指将一幅图像分解为若干互不交迭区域的集合,是图像处理与机器视觉的基本问题之一.本文介绍了图像处理中图像分割的几种常用的
算法.每种图像分割算法都有各自不同的处理效果和优缺点.在具体的使用中应根据不同的情况采用不同的分割算法以达到更好的效果.
9.学位论文 郑宇辉 基于插件的图像处理框架 2006
本文主要工作是在基于插件的图像处理框架的系统分析与设计基础上，围绕SAR图像海洋油膜检测的研究展开。海洋表面油膜检测，主要集中在
SAR图像滤波、SAR图像分割、油膜特征提取和识别等三个方面。
在SAR图像油膜滤波方法研究中，首先介绍了SAR斑点噪声的形成机理和斑点噪声的统计特性，然后介绍了几种常用的SAR图像滤波方法。在借鉴前
人研究成果的同时，通过本文提出的基于插件的图像处理框架上建立试验模型，提出了适合SAR图像海洋表面油膜检测的滤波方法。实验结果验证了该
方法的有效性也表明该图像处理框架在SAR图像处理上具有优越性。
在SAR图像分割方法的研究中，首先分析了几种SAR目标的分割方法(Otsu，最大熵)，而后给出了两种新的适用于SAR图像海洋油膜检测的SAR图像
分割方法——基于有效性指标评估的FCM聚类图像分割和基于Kmean和重叠率分层合并策略的图像分割算法。本文还利用四幅真实的SAR油膜图像对这几
种方法分别进行了对比实验。结果表明，基于有效性指标评估的FCM聚类图像分割和基于Kmean和重叠率分层合并策略的图像分割算法的分割效果比较
良好，同时基于Kmean和重叠率分层合并策略的图像分割算法在执行效率上更令人满意。
在油膜特征提取和识别的研究中，首先介绍了海洋表面油膜的SAR探测机理，论证了海洋表面油膜SAR探测的可能性，然后归纳总结了SAR图像海洋
表面油膜及其检测特点，提出了综合利用灰度和纹理的油膜检测模型。
近年来，SAR在海洋领域的监察、检测等应用日益发展起来。聚类在SAR海洋图像分割方面的应用也越来越广泛。本文在基于理论方法研究的同时
，也对其在将来海洋表面油膜检测方面的实际应用作了初步展望。
10.会议论文 罗钧.卢艳.蒋均祝.廖宏华 图像分割技术及其在模拟指针式仪表自动检定系统中的应用 2004
图像分割技术是智能模拟指针式仪表检定系统中的关键技术之一,直接影响到后续的图像处理和图像分析.系统中采用的图像分割方法是根据系统
自身的实际特点,将多种图像分割方法如基于阈值的分割和基于区域的分割综合使用,并根据具体的要求,对基于边缘的分割方法做了适当的改进,最终
得到了适合系统自身要求和特点的图像分割方法.在实际应用系统中,该算法的分割的效果好于其他的单一的图像分割算法,分割出的图像清晰,噪声小
,为后续的处理程序提供了良好的基础.
引证文献(1条)
1.张仁祖.徐为根.黄文杰 一种新的基于图像处理的作物叶面积测量方法[期刊论文]-江西农业学报 2008(4)
本文链接：http://d.g.wanfangdata.com.cn/Periodical_whzwxyj200504013.aspx
授权使用：西华大学(xhdx)，授权号：07fcaffa-1c26-4d4c-ab9a-9e44013bcb88
下载时间：2010年12月6日
浙公网安备 33021202002483