基于约束EM算法图像分割的设计与实现

研究背景和意义 ???? 阻止计算机图像理解技术进步的最基本的问题,可能就是缺乏能够产生合理的中层表示的稳定而有效的低层图像处理算法。图像理解系统所必须处理的一个问题是将极其大量的感知数据(在一幅具有合理分辨率的图像中,大约有512×512=25万(像素)动态地转换成一个小得多的图像结构集合(如:具有均一颜色和纹理的区域,直线段和局部表面片断等),从而可以据此产生假设。 ???? 图像分割问题是一个十分困难,并且是病态形式的问题。因为它是系统目标的一个函数,所以根本不存在理想的或正确的分割。物体及其组成部件的二维表现形式受到光照条件、透视畸变、观察点变化、遮挡等的影响。此外,物体及其组成部件与背景之间在视觉上可能是无法区分的。因此,人们无法预测能够从图像中抽取出哪些与物体识别相关的初始信息,唯一一件可以肯定的事情是这一过程将在本质上具有不可靠性。当然,某些有用的信息能够被抽取出,但同时也会出现许多错误。因此,在任何应用领域中都不存在最优解。一般地,对任何算法而言,都不存在一组参数设置,它们能使算法抽取出所希望的图像结构,并且不产生额外的非最优或不希望的图像结构。对一组给定的参数设置,图像分割算法可能会在某个应用领域中产生太多的图像结构；但在另一个应用领域中却又产生太少的图像结构。由于参数是变化的,因此,划分也将是变化的。但图像分割算法绝不可能处理产生最优或接近最优结果,它们将以变化的并且是不可预测的方式产生过多或过少的图像结构。 随着计算机的普及，人们越来越多地利用计算机来帮助人类获取与处理视觉图像信息。然而，虽然自然界给予了人类一个完美、强大的视觉系统，能够处理、分析和理解各种视觉信息，但是，迄今为止还没有一个被人类建造的自主视觉系统的性能能够达到它的对等生物。其中的重要原因之一就是:高等生物的视觉系统能够很容易完成极端复杂的分割任务，而机器视觉的分割技术却很难达到相应的分割速度及精度。因此，研究快速有效的图像分割技术成为了推动机器视觉技术发展的关键内容之一。图像分割在其它领域的应用也非常广泛，并涉及各种类型的图像。例如，在工业监控应用中，分割燃烧炉中的火焰以便监测燃烧过程等；在农业应用中，图像分割被用于户外植物的检测等；在遥感应用中，分割合成孔径雷达图像中的目标或遥感云图中的不同云系和背景分布等，在医学应用中，脑部MR图像分割成灰质、白质、脑脊髓等脑组织和其它非脑组织区域等；在交通图像分析中，把车辆目标从背景中分割出来等。在这些应用中，图像分割通常是为了进一步对图像进行分析、识别、编码压缩等，分割的准确性直接影响后续任务的有效性和正确性，因此具有十分重要的意义。但是，图像分割一直是机器视觉及多媒体应用技术中最困难的问题之一。尽管针对某一特定的应用场合或者特定种类的图像，出现过这样或那样较为有效的分割方法，但至今为止还没有一种通用的、可靠的自动分割算法。 可以预见，在未来的几年内，迫切需要解决的分割问题仍将是研究的热点。依据不同的分类准则，图像分割可以有不同的分类。根据应用目的不同，可分为粗分割和细分割。根据分割对像的属性，图像分割可被分为灰度图像分割和彩色图像分割；根据分割对像的状态，图像分割可被分为静态图像分割和动态图像分割；根据分割对像的应用领域可分为医学图像分割、工业图像分割、安全图像分割、军事图像分割、交通图像分割等。根据用知识的特点与层次，图像分割为数据驱动与模型驱动。其中数据驱动分割直接对当前图像数据进行操作，虽然也可使用有关先验知识，但不依赖于知识；模型驱动分割则直接建立在先验知识的基础上。 研究图像分割意义重大，对工业控制，计算机视觉，医学影像等多方面都有重大的帮助。 1.2国内外研究状况 ?? 数字图像的分割与检测在技术上由于涉及到计算机图像处理、视频图像处理、模式识别、以及人工智能等诸多领域，因而具有较强的研究价值和意义。目前，在美国、日本、欧洲己经有大量的图像分割的研究工作，并且也出现了大量的国际会议和新闻组，在国内也出现了一定规模的研究，同时也定期召开一些相关会议探讨研究成果和发展方向。 ??? 图像分割的目的是从序列图像中将变化区域从背景图像中提取出来。目标区域的有效分割对于目标分类、跟踪和行为理解等后期处理非常重要，因为以后的处理过程仅仅考虑图像中对应于目标区域的像素。然而，由于背景图像的不同，如天气、光照、阴影等因素的影响，使得目标区域检测成为一项相当困难的工作。国内外归结起来就以下几种常用的方法：并行边界分割技术、串行边界分割技术、并行区域分割技术和串行分割技术。在第四章将有详细介绍。 1.3本文的主要工作 虽然图像分割技术已有几十年的发展历史，但是还没有一种图像分割技术算是比较成熟的，本文的研究工作主要是在国内外学者和专家的研究基础上进行的。 1、作为技术的研究基础，第一章首先查阅了大量关于图像分割的文献资料，从不同的角度介绍了图像分割的研究意义和现状。 ??? 2、本文第三章主要探讨了高斯混合模型，一种比较流行而且普遍使用的模型。 3、本文第三章重点介绍EM算法，它是本文的核心算法。 4、本文第四章详细的介绍了图像分割理论，以及当前所普遍使用的分割方法。 5、第五章是本文算法的详细设计与实现。 6、本文第六章通过实验以及实验的对比来说明本算法的可行性。