一種改進的基于小波去噪和區(qū)域生長的彩色圖像分割算法

一種改進的基于小波去噪和區(qū)域生長的彩色圖像分割算法摘要：彩色圖像分割是彩色圖像處理中的重要問題，傳統(tǒng)的彩色圖像分割都是基于灰度分割算法，而忽略了彩色的空間域視覺效果及噪聲污染問題。本文提出一種新的基于小波去噪和種子區(qū)域生長的一種改進方法。首先，應(yīng)用小波去噪技術(shù)，強化圖像邊緣特征，抑制噪聲，提高原始圖像的信噪比；其次，將彩色圖像轉(zhuǎn)化到空間進行邊緣檢測，對圖像進行抖動處理以減少彩色圖像中的顏色數(shù)目，然后對不同分量進行序列閥值分割；最后對分割結(jié)果再進行一種新的基于區(qū)域生長的顏色相似性的聚合。仿真結(jié)果表明該算法更加符合人眼的視覺特性。關(guān)鍵詞：彩色圖像；彩色空間；小波去噪；區(qū)域生長AnimprovedcolorimagesegmentationalgorithmbasedonwaveletdenoisingandregionalgrowthAbstract:Colorimagesegmentationisanimportantissueincolorimageprocessing.Thetraditionalcolorimagesegmentationbasedongray-scalesegmentationalgorithmsneglectsthecolorvisualeffectandthenoise,it,therefore,leadstodegradethesegmentationquality.Inthispaper,wepresentanewalgorithmbasedonwaveletdenoisingandseedregionalgrowth.Thedenoisingtechniqueisfirstusedtopreservetheedgefeatureoftheoriginalimage.Then,theimagesincolorspaceareconvertedintocolorspace.Next,ajitterprocessingisusedtoreducethenumberofcolorsincolorimagesegmentation,andthentheimagesaresegmentedintermsofsequencethresholdonthedifferentcomponents.Finally,colorsimilaritypolymerization,basedonregionalgrowth,isappliedtotheprocessedimage.Thesimulationresultsshowthatthesegmentationresultsobtainedbyourmethodhaveperfectedgesegmentation,andcorrespondwellwiththevisionpropertiesofthehumanbeing.Keywords:colorimage;colorspace;waveletdenoising；regionalgrowth

1．引言圖像分割是由圖像處理進行到圖像分析的關(guān)鍵步驟,也是進一步圖像理解的基礎(chǔ)。以往所研究的算法大多是針對灰度圖像的,相比之下對于彩色圖像分割的研究較少.基于顏色空間特性的方法一般采取區(qū)域分割和聚類的方法來實現(xiàn)，但區(qū)域分割的結(jié)果很大程度上依賴于種子點的選擇，常常會造成圖像過分割或者欠分割的問題。Horowitz首次將分裂－合并思想用于圖像分割，但由于算法的局限性難以實現(xiàn)小區(qū)域的有效連接。聚類方法中比較常見的是K-mean聚類和模糊c聚類法，然而在這類方法中，聚類的數(shù)目需預(yù)先設(shè)定，每次迭代優(yōu)化都需要重新計算聚類中心和隸屬度矩陣，計算量較大。近年來，有學(xué)者提出利用邊緣生長的技術(shù)進行圖像分割，先對圖像進行邊緣檢測，然后用有向勢能函數(shù)對邊緣進行粗略的封閉，最后用區(qū)域生長的技術(shù)進行細(xì)分割，該方法雖然可以有效解決漏分割的問題，但分割結(jié)果不夠光滑，存在一定的誤差。本文充分利用彩色圖像的顏色空間特性，結(jié)合圖像中區(qū)域之間的特征相似性關(guān)系，提出一種改進的基于區(qū)域生長的新算法。該方法首先對圖像進行小波去噪處理以抑制噪聲，然后將顏色空間轉(zhuǎn)換到與人類視覺特性相符的顏色空間，并按分量序列依次進行分割，最后進行基于顏色相似性聚類的區(qū)域生長。因為區(qū)域生長算法可以利用同一個目標(biāo)區(qū)域其鄰域塊特征基本一致的特點,對整幅圖像的子塊掃描一遍就可完成分割,不需反復(fù)迭代。從而該算法可實現(xiàn)對彩色圖像的快速準(zhǔn)確分割。2.算法描述針對傳統(tǒng)算法的缺陷，本文提出以下改進方案，如下圖所示：圖1算法流程圖2.1小波去噪近年來，小波理論得到了非常迅速的發(fā)展。在信號去噪領(lǐng)域中，由于其具有良好的時頻特性，同樣取得了較好的效果。相比于其它傳統(tǒng)的去噪方法，小波去噪能夠很好的強化邊緣特征。其基本思想如下：首先對原始圖像進行小波分解得到小波系數(shù)，然后選擇閥值，對所得到的小波系數(shù)進行修正，最后用修正的小波系數(shù)，重構(gòu)圖像。本文采用的小波系數(shù)修正方法是廣泛采用的Donoho和Johostone提出的小波萎縮方法(VisulShrink)，其閥值定義為，為噪聲的方差，為圖像的像素個數(shù)，可以用小波系數(shù)的中位值估計。計算出后，我們采用軟閥值法調(diào)整，調(diào)整方法如下：(1)然后用修改后的重構(gòu)圖像，去除噪聲。2.2．彩色空間圖像處理中常用的顏色模型多數(shù)為顏色模型和顏色模型。對任何3個[0,1]范圍內(nèi)的、、值，可以用如下的計算公式得到其對應(yīng)模型中的、、分量：（2）在空間中，、、三分量之間的相關(guān)性比、、三分量之間要小的多。由于彩色空間的表示比較接近人眼的視覺生理特性，人眼對、、變化的區(qū)分能力要比對、、變化的區(qū)分能力強。另外在空間中彩色圖像的每一個均勻性彩色區(qū)域都對應(yīng)一個相對一致的色調(diào)，這說明色調(diào)能夠被用來進行獨立于陰影的彩色區(qū)域的分割。2.3區(qū)域生長傳統(tǒng)的種子區(qū)域生長法選擇圖像中部分象素點作為種子，然后將與種子性質(zhì)相似的相鄰象素附加到生長區(qū)域的每個種子上。本文我們根據(jù)一定規(guī)則自動選取部分區(qū)域作為種子區(qū)域，克服了種子點區(qū)域選取的盲目性，然后將與種子區(qū)域性質(zhì)相似的相鄰區(qū)域附加到種子所在區(qū)域去。種子區(qū)域的選擇在該算法中起到了至關(guān)重要的作用，而對于種子區(qū)域的選取我們將遵循一定的規(guī)則。要求種子區(qū)域在其相鄰區(qū)域中有一定的代表性，使生長的結(jié)果更接近我們期望的區(qū)域。進行種子區(qū)域選取的規(guī)則如下：規(guī)則1：種子區(qū)域與其領(lǐng)域有很高的相似性。這里我們?yōu)槊總€區(qū)域定義一個相似度函數(shù)。一個區(qū)域的相似度函數(shù)必須大于一個閥值，我們用二維大津法確定閥值，該區(qū)域才能被選為種子區(qū)域。一個區(qū)域與其領(lǐng)域的相似度函數(shù)定義為：（3）（4）為中每個區(qū)域的色調(diào)分量均值。為集合所有區(qū)域的色調(diào)分量均值。（5）為中每個區(qū)域的飽和度分量均值，為中集合所有區(qū)域的飽和度分量均值。為預(yù)先設(shè)定值，經(jīng)驗上一般選擇。規(guī)則2：一個區(qū)域與它的相鄰區(qū)域的相對歐式距離的最大值要小于一個閥值。這里采用歐式距離的定義對區(qū)域的色調(diào)分量均值進行計算，公式如下：（6）其中為的相鄰區(qū)域個數(shù)，規(guī)則2可以保證選出的種子區(qū)域的位置不處在期望的兩個區(qū)域的邊界處，該閥值的選取依經(jīng)驗我們選擇0.2。在一個未標(biāo)記的區(qū)域?qū)⒓尤氲揭粋€種子區(qū)域之前，先將它們的同一性差值與一個閥值做比較，如果低于這個閥值，則進行標(biāo)記，否則不被標(biāo)記。然后將種子區(qū)域進行合并。2.4空間變換我們可以將顏色空間變換運用于圖像分割中，當(dāng)彩色圖像的分割在空間進行時，由于、、三個分量是相互獨立的，所以有可能將這個3－D搜索問題轉(zhuǎn)化為三個1－D搜索。：1對原始彩色圖像進行空間轉(zhuǎn)換和邊緣檢測，對梯度較大的輪廓邊緣進行標(biāo)記，利用分量來區(qū)分高飽和區(qū)和低飽和區(qū)；2利用分量對高飽和區(qū)進行分割：由于在高飽和彩色區(qū)值大，值量化細(xì)，可采用色調(diào)的閥值來進行分割；3利用對低飽和區(qū)進行分割：在低飽和彩色區(qū)量化粗無法直接用來分割，但由于比較接近灰度區(qū)域，因而可采用來進行分割；4由于彩色圖像象素過大，為了加快算法速度，對H值進行歸一化處理，即令；3仿真實現(xiàn)下面對一幅原始彩色圖像’Lena.tif’在matlab7.1環(huán)境下進行分割，為了增強效果，將本算法結(jié)果與傳統(tǒng)的梯度法進行比較。先對其進行小波去噪及抖動處理，避免噪聲影響。圖(b)為噪聲污染后的圖像,信噪比為30dB，圖(c)為傳統(tǒng)梯度法結(jié)合小波去噪的分割結(jié)果，圖(d)和圖(e)分別取迭代次數(shù)為130和150時的仿真結(jié)果。圖2算法仿真結(jié)果一個好的分割結(jié)果一般希望輪廓線比較平滑，形狀測度就是提出來衡量目標(biāo)外輪廓的光滑程度的。如以表示象素的領(lǐng)域中的平均灰度，表示象素處的梯度，C是一個歸一化系數(shù)為設(shè)定的某一閥值：則（6）下表為仿真數(shù)據(jù)：表1.仿真結(jié)果分析由上表可以看出，本文算法的形狀測度值明顯低于傳統(tǒng)算法，即分割結(jié)果的光滑性較好，成功融合了區(qū)域和色彩信息，在視覺效果方面優(yōu)于傳統(tǒng)算法。并且對指定區(qū)域細(xì)節(jié)的分割更加準(zhǔn)確，這無疑會為圖像分割的后繼處理，圖像識別，圖像檢索打下更好的基礎(chǔ)。上述彩色圖像分割算法簡便快速適合于對實時性要求高的場合，如用于電視會議的分析－合成編碼方法中作為自動的圖像分割算法以將諸如人臉等區(qū)域從圖中分割出來分別編碼。

4結(jié)論本文提出的新算法是基于空間的序列分割方法，將小波去噪引入彩色空間處理彩色圖像，并且在色度空間變換的基礎(chǔ)上引入了基于顏色聚類的區(qū)域生長法，本文的方法用區(qū)域代替像素作為種子進行生長，從算法時間復(fù)雜度的角度來說算法效率有較大提高；另一方面，由于區(qū)域所攜帶的信息遠(yuǎn)高于像素所攜帶的信息，更有利于之后的區(qū)域生長，因而能取得更好的分割效果。我們使用MATLAB實現(xiàn)了我們的算法，實驗結(jié)果證明，我們的算法在彩色圖像分割上，取得了較好的效果。仿真結(jié)果表明該算法可以清晰地分割彩色圖像，可以看出來分割效果較好，符合人的主觀感知，與人類視覺系統(tǒng)判斷基本一致，可以滿足一般基于內(nèi)容的圖像檢索或識別處理。

參考文獻[1]章毓晉.圖像分割[M].北京：科學(xué)出版社,2001.97-123[2]唐挺等.基于小波去噪和圖像分割技術(shù)的改進NAS-RIF盲圖像復(fù)原算法[J].成都信息工程學(xué)院學(xué)報.2004.19(3).[3]羅軍輝等.Matlab7.0在圖像處理中的應(yīng)用[M].北京：機械工業(yè)出版社，2005.6[4]