一种自适应分水岭数字图像分割技术研究
基于分水岭分割的图像检索系统研究与实现的开题报告
基于分水岭分割的图像检索系统研究与实现的开题报告开题报告一、选题背景随着数字图像处理技术的不断发展，图像检索技术的应用越来越广泛。
现在，图像检索技术已经应用于人脸识别、车辆识别、行人识别、医学图像识别、文物保护、智能交通等各个领域。
在这些应用场景中，图像分割是图像处理的一个重要步骤。
分水岭分割是一种基于区域的分割方法，已经被广泛应用于图像分割领域。
然而，在实际应用中，由于分水岭分割方法的参数较多，容易出现分割效果不佳的情况。
因此，开发一种基于分水岭分割的图像检索系统，优化分水岭分割的参数，提高分割效果，具有重要的研究意义和应用价值。
二、研究目的本文的主要目的是研究和实现一种基于分水岭分割的图像检索系统，主要包括以下几个方面的内容：1.对分水岭分割方法进行深入研究，掌握其原理和基本方法。
2.探索基于分水岭分割的图像检索方法，通过实验验证其可行性和效果。
3.优化分水岭分割的参数，提高图像分割的效果，同时探讨参数优化的方法和技巧。
4.搭建具有友好界面的图像检索系统，实现图像检索功能。
三、研究内容本文拟用以下几个方面内容进行研究:1、分水岭分割的原理和机制分水岭分割是一种常用的图像分割方法，但由于其算法的复杂性，很难达到理想的分割效果。
因此，本文首先将对分水岭分割方法的原理和机制进行深入研究。
2、基于分水岭分割的图像检索方法本文将探索一种基于分水岭分割的图像检索方法，通过实验验证其的可行性和效果。
3、分水岭分割的参数优化分水岭分割方法的参数很多，不同的参数组合将产生不同的分割效果，因此，本文将探讨分水岭分割的参数的优化方法和技巧。
4、图像检索系统的实现本文将采用Matlab作为基本操作平台，利用Matlab中的图像处理工具箱和图像检索工具箱，搭建具有友好界面的图像检索系统。
四、研究方法和技术路线1.文献调研和相关算法学习，掌握分水岭分割方法的原理和基本思想2.进行实验测试，通过对不同的参数组合进行实验比较，提高分割效果3.搭建图像检索系统，实现图像检索功能。
基于分水岭算法的遥感图像分割方法研究
基于分水岭算法的遥感图像分割方法研究
遥感图像分割是将遥感图像分成不同区域的过程，用于提取地物信息和地图制图等应用。
基于分水岭算法的遥感图像分割方法是一种常用的分割方法。
分水岭算法基于图像中明显的梯度梯度变化，将图像分割成不同的区域。
本文将讨论基于分水岭算法的遥感图像分割方法。
分水岭算法的思想是将图像中的像素点看作梯度值，然后从梯度最小值的位置开始，让梯度值不断上升，直到与相邻像素梯度发生冲突。
这样，图像就可以被分割为相邻的区域，并且每个区域内的像素梯度值相同。
在分水岭算法中，一些重要的操作，如距离变换和标记等，都是用于解决边界问题的。
1. 对遥感图像进行预处理，将图像平滑化、去噪等操作。
2. 使用梯度检测算法对图像进行梯度计算，得到梯度图像。
3. 对梯度图像进行距离变换，得到距离图像。
5. 对分割图像进行形态学操作，如膨胀、腐蚀等操作，得到分水岭标记。
7. 对分水岭图像进行过滤和合并操作，得到最终分割结果。
基于分水岭算法的遥感图像分割方法可以有效地提取地物的空间信息，尤其在大尺度的遥感图像上，具有较好的效果。
但是，该方法容易出现过分割和欠分割的情况，这需要根据实际情况对算法进行优化和调整。
总之，基于分水岭算法的遥感图像分割方法是一种比较常用的算法，可以用于提取地物信息、地图制图等应用。
随着计算机算力的提高和算法的改进，分水岭算法的应用前景将会更加广泛。
一种改进的分水岭图像分割算法研究
一种改进的分水岭图像分割算法研究作者：王平根刘清来源：《科技视界》2016年第26期【摘要】本文提出一种新的形态学分水岭图像分割算法，通过形态学开闭运算，得到图像的内部和外部标记符集合，然后依据此标记对梯度图像进行分水岭分割实验，以减少过分割现象，分割实验结果表明算法有效。
【关键词】分水岭；形态学；图像分割【Abstract】Based on an improved algorithm of watershed，an image segmentation technique which combined with mathematical morphology theory is proposed in this paper.The internal and external union sets of marker images are obtained by morphology opening and closingoperator.Finally，the watershed transformation of modified gradient image is performed.The experimental results show that this method can effectively solve the problem of over-segmentation and can define the boundary precisely.【Key words】Watershed；Mathematical morphology；Image segmentation0 引言图像分割将图像按照某一种算法划分成各具特征的区域，可以为后续图像特征提取和图像识别的提供前提条件，所以是机器视觉与模式识别领域的重要研究内容[1]。
目前，许多学者在图像分割领域己经进行了大量的研究，并取得了较大的成绩，但仍未研究出一种能够普遍适用于各类图像分割的通用方法。
基于分水岭算法的遥感图像分割方法研究
基于分水岭算法的遥感图像分割方法研究作者：李旗魏楚来源：《无线互联科技》2019年第13期摘; ;要：文章采用分水岭算法进行遥感图像分割操作，并针对算法执行过程中所产生的过分割问题，采用了形态学处理函数进行图像处理和标记符的提取，并使用Matlab R2015a图像处理软件对图像分割过程进行模拟，最后利用Matlab GUI平台构建了基于分水岭算法图像分割的系统。
关键词：图像分割;数学形态学;分水岭变换;分水岭算法随着科技的日益发展，媒介技术、摄影技术和数字化图像技术的发展和应用，人们可以从图像中快速、直观地获取大量信息。
然而，在通过图像快速、直观获取大量信息的同时，会发现并不是所有的信息都是我们所需要的，多余的信息会给计算机获取与处理图像带来不便，使遥感图像快速解译、人脸识别、车牌识别等技术难以实现。
图像分割技术是图像处理的一项重要技术，在计算机模式识别领域有着重要的意义，成功的分割有利于目标特征的提取、描述、识别和分类，可以使计算机变得更加智能，使其广泛地应用于军事、遥感影像分析、智能交通、医学图像分析、通信、农业现代化和工业自动化等诸多领域。
近年来，随着各领域不断引入新的理论和方法，人们将这些方法应用于图像分割领域。
潘婷婷基于数学形态学和分水岭算法[1]，进行了遥感图像的目标识别。
路正佳基于改进分水岭算法的彩色图像分割方法[2]，建立了基于偏微分方程的去噪模型。
每种图像分割方法各有优缺点，对其存在的问题而言基于边缘的分割方法受随机噪声和边界模糊的影响会出现边界间断等问题。
基于阈值的分割方法仅考虑图像的像素灰度，忽略图像的空间信息和纹理信息，导致分割精度低、可靠性低、分割效果不理想。
区域生长法受噪声影响大易出现错误分割，而分割合并法也依赖于初始化分割的质量，且过程复杂、计算量大。
与其他方法相比，基于分水岭算法的图像分割具有定位精确、对微弱边缘具有良好反应等特点。
但是由于图像中物体表面一些细微的灰度变化和随机噪声的影响，使用分水岭算法会出现严重的过分割现象。
AFM图像分割的自适应方法实验研究
AFM图像分割的自适应方法实验研究AFM(Atomic Force Microscopy)是一种表征材料表面形貌，获得原子尺度的高分辨率三维图像信息的非接触扫描热力学显微镜。
AFM技术广泛应用于化学、材料学、生物学、医学等各领域的研究中。
AFM图像处理是分析AFM图像信息的重要步骤，分割是其中的一个主要步骤。
AFM图像分割是将图像中的不同部分分割成不同的区域，以便于对目标物体进行精确分析和定量化研究。
因为AFM图像的噪声较大，而且表面形貌的连续变化比较剧烈，因此，对AFM图像进行分割是比较困难的。
目前，AFM图像分割的自适应方法已经得到了广泛的应用。
该方法能够根据图像的特点，自动选择适合的算法参数，提高算法的稳定性和分割精度。
下面，本文将从基本原理、方法分类、实验研究、应用前景等方面，对AFM图像分割的自适应方法进行详细的介绍。
一、基本原理AFM图像分割的自适应方法的基本原理是利用图像的内在特性和统计规律，运用适当的算法，将图像分割成不同的区域。
判定不同区域的标准主要是图像的亮度、颜色和纹理等视觉特征，一般采用基于像素、基于领域和基于特征的方法。
其中，基于像素的方法主要是利用像素的属性值进行分割，如阈值法。
基于领域的方法是通过确定像素周围的邻域范围，选取合适的特征作为输入，根据邻域内像素的值进行分割。
基于特征的方法是通过提取图像的纹理、几何形状、灰度直方图等特征，来表征不同区域之间的差异，识别出图像中不同的部分。
二、方法分类目前，常用的AFM图像分割自适应方法主要包括阈值法、区域生长法、基于统计的方法、基于能量泛函的方法、图像分水岭法、模型分割法等。
下面我们将按照方法的不同，对它们进行详细的介绍。
（一）阈值法阈值法是将图像分成两个部分：大于或等于阈值的像素部分为一个目标区域，小于阈值的像素部分为背景区域。
阈值的选择对分割结果影响很大，传统的手动选择阈值方法很容易受到人为因素的干扰，自适应阈值法则可以根据像素点周围的灰度范围进行动态选择，提高分割的稳定性。
基于改进的自适应分水岭图像分割方法研究
摘要 ： 研究 图像分割中由于对噪声的抑制能力 弱以及 对大多数图像 易产生过分 割现象 ， 从 而导致图像分 割过 程 中局部分 割 线产生偏 移现象 ， 进而使 得图像分 割变 得困难。为解决 上述 问题 ， 提出了改进的 自 适 应分水岭图像分 割方法 。首 先 ， 对输 入 的图像 进行 自适应降噪滤波 ， 以减弱因噪声干扰导致的区域极小值 ； 然后 ， 运用形态梯度算子对滤波去噪后的图像进行平 滑 处理 ， 以减弱噪声 对分水 岭分割的影响 ； 最后 ， 对图像 进行 目标标记 ， 用来屏蔽消除其它无用的极小值 ， 仅 允许标记过 的极小
ｐ ｈ ｅ ｎ ｏ ｍｅ ｎ ｏ ｎ，ｔ ｈ ｕ ｓ ｍａ ｋ ｉ ｎ ｇ ｓ ｅ ｇ ｍｅ ｎ ｔ ａ ｔ ｉ ｏ ｎ ｄ ｉ ｆ ｉ ｃ ｕ ｌ ｔ ．Ｉ ｎ ｖ ｉ ｅ ｗ ｏ ｆ ｔ ｈ ｉ ｓ ，ｔ ｈ ｉ ｓ ｐ ａ ｐ ｅ ｒ ｐ ｒ ｅ ｓ ｅ ｎ ｔ ｓ ａ ｎ ｉ ｍｐ ｒ ｏ ｖ ｅ ｄ ａ ｄ ａ ｐ ｔ ｉ ｖ ｅ ｗ ａ ｔ ｅ ｓｈ ｒ ｅ ｄ ｉ ｍａ ｇ ｅ ｓ ｅ ｍ ｅ ｇ ｎ ｔ ａ ｔ ｉ ｏ ｎ ｍｅ ｔ ｈ ｏ ｄ ．Ｆ ｉ ｓｔ ｒ ，ｔ ｈ ｅ ｉ ｎ ｐ ｕ ｔ ｉ ｍａ ｇ ｅ—ａ ｄ ａ ｐ ｔ ｉ ｖ ｅ ｎ ｏ ｉ ｓ ｅ ｒ ｅ ｄ ｕ ｃ ｔ ｉ ｏ ｎ ｉ ｆ ｌ ｔ ｅ ｒ ，ｉ ｎ ｏ ｒ ｄ ｅ ｒ ｔ ｏ ｗｅ ａ ｋ ｅ ｎ ｄ ｕ ｅ ｔ ｏ ｎ ｏ ｉ ｓ ｅ ｃ ａ ｕ ｓ ｅ ｄ ｂ ｙ ｒ ｅ ｇ ｉ ｏ ｎ ｌ ａ ｍｉ ｎ ｉ ｍｕ ｍ； ｔ ｈ ｅ ｎ ｕ ｓ ｅ ｔ ｈ ｅ ｍｏ ｒ ｐ ｈ ｏ ｌ ｏ ｇ ｉ ｃ ｌ ａ ｇ ｒ ａ ｄ ｉ ｅ ｎ ｔ ｏ ｐ ｅ ｒ ａ ｔ ｏ ｒ ｓ ｍｏ ｏ ｔ ｈ ｉ ｎ ｇ ｉ ｆ ｌ ｔ ｅ ｒ ｄ ｅ ｎ ｏ ｉ ｓ ｉ ｎ ｇ ｉ ｍａ ｇ ｅ ｓ ，ｔ ｏ
基于分水岭和形态学的图像分割算法研究毕业设计
本科生毕业设计（申请学士学位）论文题目基于分水岭和形态学的图像分割算法研究学生：（签字）学号：答辩日期：2013年6月15日指导教师：（签字）目录摘要 (1)Abstract. (1)1 绪论 (2)1.1 研究目的和意义 (2)1.2 图像分割的研究进展 (2)1.3 论文主要内容和组织结构 (3)2 数学形态学 (4)2.1 膨胀与腐蚀 (4)2.1.1 灰度膨胀 (4)2.1.2 灰度腐蚀 (4)2.2 形态学的开运算和闭运算 (5)2.3 形态学重建 (5)3 基于分水岭和形态学的图像分割算法 (6)3.1 分水岭算法原理 (6)3.2 形态学算子的改进 (7)3.3 改进的图像分割算法描述 (8)3.4 实验结果与数据分析 (8)4 结束语 (10)参考文献 (11)附录 (13)致谢 (15)基于分水岭和形态学的图像分割算法研究摘要：图像分割是图像分析和处理中一个重要的研究方向，也是目标的检测和识别的重要步骤。
而且由于图像的多样性和复杂性，很难用统一的方法来描述感兴趣的对象，因而在实际应用中只能根据各种领域的需求来选择合适的分割方法，导致各种图像分割方法具有特定的局限性和针对性。
目前还没有一种通用的方法，能使各种类型的图象达到最优分割质量。
传统的图像分割算法中对图像噪声敏感，噪声会直接恶化图像的梯度图像，计算量大，分割过程耗时长，分割效率低，从而产生过分割问题。
为了降低过分割现象对图像分割的影响，提出了一种改进的分水岭算法的图像分割方法。
本文先进行分水岭变换，再利用数学形态学的方法，使用多尺度形态梯度算子，利用结构元素度优点以达到改善图像分割中的过分割现象。
实验结果表明，改进的算法有效地改善了过分割现象，具有较好的图像分割效果。
关键字：图像分割；分水岭算法；形态学算子Image segmentation algorithm based on watershed and morphologicalstudyAbstract:Image analysis and image segmentation is an important research direction, also is the important process of target detection and recognition. And because of the diversity and complexity of the image, it is difficult to use uniform method to describe the object of interest, and therefore can only according to the various fields in the practical application needs to choose the appropriate method, lead to all kinds of image segmentation method has certain limitations and pertinence. There is no a common method, can make various types of image to achieve the optimal segmentation quality.The traditional image segmentation algorithm is sensitive to image noise, the noise will deteriorate image gradient image directly, large amount of calculation, the segmentation process takes long, segmentation efficiency is low, resulting in a over-segmentation problem. In order to reduce the over-segmentation phenomena influence on image segmentation, an improved watershed algorithm is proposed for image segmentation method. Watershed transform first in this paper, and then the mathematical morphology method, using multi-scale morphological gradient operator, using the structure elements of advantage to improve the image segmentation of over-segmentation phenomenon. The experimental results show that the improved algorithm improved the over-segmentation phenomena effectively, has the good image segmentation effect.Key words: Image segmentation; Watershed algorithm; Morphological operator1 绪论1.1 研究目的和意义图像分割是一种重要的图像技术，在理论研究和实际应用中都得到了人们的广泛重视。
基于自适应标记提取的分水岭彩图分割算法
极大值点和极小值点的统计特性有紧密联系。本文通过分析
梯度图像极值点的统计信息自适应确定阈值 H，消除了阈值
选取的盲目性。具体方法如下：
首 先 找 出 梯 度 图 像 ∇ILG 中 的 局 部 极 大 值 点 集 合 ( 记 为
ℜmax )和局部极小值点集合(记为 ℜmin )，分别求其均值高度
µH|max 和 µH|min 以及极小值点集合 ℜmin 的标准差 σ min ；然后统
D0 = 30 ， Nscal = 10 ，图 3(a)为非噪声图像，针对无噪声污染 的图像，图像大小为 234×136 ；图 3(b)为噪声图像，针对高
斯噪声污染的图像，图像大小为 481× 321 ，噪声密度为 0.3。
实验结果如图 4~图 6 所示。
(a)无噪声图像
(b)噪声图像
图 3 原始图像
谭洪波，侯志强，刘 荣，郭威武
(空军工程大学电讯工程学院指挥自动化工程系，西安 710077)
摘 要：针对分水岭算法过分割问题，提出一种基于自适应提取标记的改进算法。该算法结合极小值深度和汇水盆地尺度信息提取与物体 相关的极小值标记，根据梯度图像中极值点的统计信息自适应设定标记提取的阈值。提取到的标记采用形态学极小值标定技术强制作为原 始梯度图像的极小值，在修改过的梯度图像上进行分水岭分割。仿真结果表明，该算法能有效解决分水岭算法的过分割问题，具有更强的 抗噪性能和边缘定位能力，且计算复杂度较小。 关键词：彩色图像分割；分水岭；自适应标记提取
各方法产生的区域数及运行时间区域数执行时间s方法isbwanmbwa本文算法isbwanmbwa本文算法513161407151255119253935基于模拟淹没的快速分水岭算法执行效率最快这是因为该方法仅考虑解决分水岭算法的运行速度问题忽略了过分割问题而本文算法和基于深度标记的改进分水岭算法都是在该算法的基础上加入了限制过分割的标记条件
基于分水岭算法的遥感图像分割方法研究
基于分水岭算法的遥感图像分割方法研究遥感图像分割是遥感图像处理中的一项重要任务，它的目的是将图像中的不同区域分割成具有相似特征的子区域。
这项工作在农业、环境监测、城市规划等领域有着重要的应用价值。
分水岭算法是一种常用的图像分割方法，它基于图像中的灰度梯度信息来实现分割。
本文将围绕基于分水岭算法的遥感图像分割方法展开研究，探讨其原理、实现过程以及应用效果。
一、分水岭算法原理及应用分水岭算法最初来源于地质学中的地下水分割理论，后来被引入到图像处理领域中。
它的原理是将图像看作地形地貌，图像中的亮度信息对应地形的高度，然后利用不同区域之间的梯度信息来确定分割线，实现图像的分割。
在遥感图像处理中，分水岭算法被广泛应用于不同类型的地物分割，包括植被、水域、建筑等。
分水岭算法的基本思路是从图像中的局部最小点（或者称为浸没点）出发，构建出一系列的水域，然后根据这些水域的相互关系来确定整个图像的分割线。
在遥感图像中，这些局部最小点往往对应着不同的地物或者地物边界，因此通过分水岭算法可以实现对图像中不同地物的精确分割。
分水岭算法还可以应用于图像的边缘检测、纹理分割等领域。
基于分水岭算法的遥感图像分割方法一般包括以下几个步骤：预处理、特征提取、分水岭算法实现和结果后处理。
在预处理阶段，需要对原始遥感图像进行几何校正、大气校正等操作，以保证图像的质量和准确性。
接下来进行特征提取，一般采用像元级的特征提取方法，包括灰度、颜色、纹理等特征。
然后利用这些特征信息构建图像的梯度信息，为后续的分水岭算法做准备。
分水岭算法的实现一般使用连通区域分割算法（Watershed segmentation algorithm），它是一种基于梯度信息的像素聚类算法，能够根据图像的梯度分布实现对图像的分割。
在算法实现过程中需要注意对梯度信息进行分析和处理，以保证分割结果的准确性和可靠性。
最后对得到的分割结果进行后处理，包括去除小面积的噪声点、填补分割线等操作，以得到最终的分割图像。
基于分水岭算法的图像分割报告
基于分水岭算法的图像分割报告图像分割是图像处理进到图像分析的关键步骤，也是一种基本的计算机视觉技术。
这是因为图像的分割、目标的分离特征的提取和参数的测量将原始的图像转化为更抽象更紧凑的形式，使得更高层的分析和理解成为可能。
因此，图像分割多年来一直得到人们的高度重视。
一般来说，图像的分割方法分为两种:一种是基于边缘检测的方法，另一种是基于区域的方法。
基于边缘检测的方法如Canny算法，虽然它是一种最优的线性边缘检测算子，但是由于用基于边缘检测的方法所得到的轮廓线不能保证是封闭的，因此需要进行边缘跟踪处理，这将使得边缘定位不精确;基于区域的方法，如金字塔方法，该方法中的区域一般事先给定，如正方形区域，但由于物体的轮廓线往往是任意形状的，因此这种基于固定区域形状的方法，其分割速度较慢。
因此本文采取的是基于分水岭算法的图像分割方法。
1、算法概念分水岭分割方法，是一种基于拓扑理论的数学形态学的分割方法，其基本思想是把图像看作是测地学上的拓扑地貌，图像中每一点像素的灰度值表示该点的海拔高度，每一个局部极小值及其影响区域称为集水盆，而集水盆的边界则形成分水岭。
分水岭的概念和形成可以通过模拟浸入过程来说明。
在每一个局部极小值表面，刺穿一个小孔，然后把整个模型慢慢浸入水中，随着浸入的加深，每一个局部极小值的影响域慢慢向外扩展，在两个集水盆汇合处构筑大坝，即形成分水岭。
分水岭的计算过程是一个迭代标注过程。
分水岭比较经典的计算方法是L. Vincent提出的。
在该算法中，分水岭计算分两个步骤，一个是排序过程，一个是淹没过程。
首先对每个像素的灰度级进行从低到高排序，然后在从低到高实现淹没过程中，对每一个局部极小值在h阶高度的影响域采用先进先出(FIFO)结构进行判断及标注。
分水岭变换得到的是输入图像的集水盆图像，集水盆之间的边界点，即为分水岭。
显然，分水岭表示的是输入图像极大值点。
因此，为得到图像的边缘信息，通常把梯度图像作为输入图像，即g(x,y)=grad(f(x,y))={[f(x,y)-f(x-1,y)]2[f(x,y)-f(x,y-1)]2}0.5式中，f(x,y)表示原始图像，grad{.}表示梯度运算。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
一种自适应分水岭数字图像分割技术研究摘要图像是人类从外界获取的重要信息之一，是人类认知世界的主要信息源。
近年来，各行业对图像处理需求与日俱增，同时计算机和图像处理单元的飞速发展也为图像处理技术的研究和应用提供了强有力的保障平台。
图像分割是一种基本的图像处理技术，是后期图像处理和图像分析的关键步骤，但一直以来也是一个经典的难题。
由于图像信息本身的复杂性和多种外界因素的影响往往会导致图像在分割过程中出现错误分割，分割线偏移，以及建模困难等问题。
面对图像分割算法存在的不足和当今对图像分割自动化程度和实时性等需求的不断增加，本文进行了相应的研究，主要研究工作如下：首先，全面回顾了数字图像分割技术的发展历程，有针对性地对该领域的经典解决方案进行了分析、比较，系统地阐述了各类方法的优势与存在的不足，并给出相应的可行性改进方案。
其次，针对各类数字图像分割方案及系统普遍存在抗噪能力差的问题，进行了深入和系统地研究。
通过与其他图像分割方案的性能的比较，论证了以分水岭算法为基础的图像分割方案的优点和可能产生的问题。
同时，比较分析了各种改进类型的分水岭图像分割技术的优势和不足，为本文自适应分水岭分割技术的提出奠定了基础。
再次，面向图像分割技术的应用，以系统的形式提出了一种改进的自适应分水岭图像分割方案，并将其模块化为：自适应滤波降噪、快排－自适应分层、区域生长三个阶段，从而完成了对一幅数字图像的完整分割过程。
同时，对该改进型方案可行性进行了理论论证。
最后，应用本文提出的自适应分水岭图像分割方案，设计出了一个高效实时的数字图像自动分割系统，通过对较复杂和较简单的两种类型数字图像的分割实验，验证了文本改进型自适应分水岭数字图像分割方案的有效性。
同时，利用Matlab6.5图像处理工具箱对本文的分割方案进行了仿真，并与传统的分水岭分割方案以及几种典型的改进型分水岭分割方案进行了比较，验证了本文分割方案的可行性、自适应性和分割的精确性。
关键字：自适应；分水岭算法；图像分割；可重构计算硕士学位论文AbstractTo human beings, image is one of important information gained from external world and the main information source to cognize the world. In recent years, the demands from many industries are increasing with each passing day; at the same time, computer and image processing cell provide a strong ensuring platform for the research and application of image processing technology.Image segmentation is a basic technology of image processing and key step of later image processing and analysis, yet always a classical hot potato. Because of the complex self-nature of image information and influence from external factors, the segmentation schemes might bring mistaking segmentation, segmentation excursion, difficulty of constructing models, etc.Facing on the disadvantages of image segmentation algorithms and requirement of current image automatic and real-time segmentation, this thesis conducts corresponding researches, which is mainly described as follow:Firstly, the developing process of digital image segmentation technology is all-sidedly surveyed, and the classical solving schemes in this research area are analyzed and compared. At the same time, this thesis explains systematically advantages and disadvantages of different schemes, and gives corresponding feasible improving schemes.Secondly, in view of weak antinoise ability existing in all digital image segmentation schemes, this thesis conducts a deep and systematic research. Through comparing performances with other image segmentation schemes, this thesis discusses advantages and potential problems of the image segmentation scheme, which is based on watershed algorithm. Meanwhile, this thesis also compares the advantages and disadvantages of several kinds of improved watershed segmentation technologies, and establishes the foundation of my self-adaption watershed segmentation.Thirdly, oriented the application of image segmentation technology, an improving watershed image segmentation scheme is proposed systematically and modularized to three steps: self-adaptive noise filter, quick-sort & adaptive delamination and area growth, to complete a whole process of image segmentation. Meanwhile, the feasibility of this improved scheme is discussed theoretically.一种自适应分水岭数字图像分割技术研究Finally, applying the self-adaption image segmentation scheme, an effective and high real-time image auto-segmentation system is designed. And the validity of my improved self-adaption watershed segmentation scheme is verified by experiment with two kinds digital images, simple and complex one. Meanwhile, the availability of improving segmentation scheme proposed is verified. And then, this thesis simulates the improved segmentation scheme with image processing tool-box of Matlab6.5, and compares with several classical improved watershed segmentation schemes, verifies the feasibility, self-adaptability and segmentation accuracy of the improved segmentation scheme in this thesis.Key Word: self-adaption; watershed algorithm; image segmentation; reconfigurable computing硕士学位论文目录摘要Abstract插图索引附表索引第1章绪论 (1)1.1选题目的及意义 (1)1.2本文的主要工作 (2)1.3本文的内容结构 (2)1.4本章小结 (3)第2章数字图像分割技术研究综述 (4)2.1引言 (4)2.2图像分割的概念及分类 (5)2.3基于阈值的图像分割 (6)2.3.1全局阈值分割 (7)2.3.2局部阈值分割 (8)2.3.3特殊的阈值分割 (10)2.4基于间断检测的图像分割 (10)2.4.1基于点与线的检测分割 (10)2.4.2基于边缘检测的分割 (11)2.5基于区域的分割 (17)2.5.1基于区域生长的分割 (17)2.5.2基于分裂合并的分割 (18)2.5.3基于聚类的分割 (19)2.5.4基于形态学的分割 (20)一种自适应分水岭数字图像分割技术研究2.6本章小结 (20)第3章分水岭图像分割算法研究 (22)3.1引言 (22)3.2分水岭算法的由来 (22)3.3分水岭算法分析 (22)3.3.1分水岭算法的基本思想 (22)3.3.2分水岭算法的优缺点 (23)3.4Vincent经典分水岭算法 (23)3.4.1Vincent算法的基本思想 (23)3.4.2Vincent算法的实现 (25)3.5最新分水岭图像分割技术 (27)3.5.1基于对比度增强的方案 (27)3.5.2基于形态梯度的方案 (28)3.6本章小结 (28)第4章改进的分水岭算法 (29)4.1引言 (29)4.2图像降噪处理技术研究 (29)4.2.1形态学开闭降噪 (29)4.2.2空间降噪滤波器 (30)4.2.3自适应滤波 (32)4.3图像分层处理技术研究 (33)4.3.1传统分层技术分析 (33)4.3.2自适应分层技术 (33)4.4本章小结 (37)第5章系统设计及实验结果 (38)5.1引言 (38)5.2自适应图像分割系统 (38)5.2.1自适应图像分割系统构造 (38)5.2.2自适应降噪模块 (40)5.2.3自适应分层模块 (41)硕士学位论文5.3实验结果 (42)5.3.1实验效果比对 (42)5.3.2性能验证 (44)5.3.3实时性分析 (46)5.4本章小结 (47)结论与展望 (48)参考文献 (50)附录A（攻读学位期间发表的论文和参加的项目） (55)附录B（标记分水岭算法的伪代码） (56)致谢 (59)一种自适应分水岭数字图像分割技术研究插图索引图2.1 色度图 (4)图2.1 图像分割方法分类 (6)图2.2 灰度直方图 (7)图2.3 全局阈值分割失效及网格化 (9)图2.4 点间断检测模板 (11)图2.5 典型的线间断检测模板 (11)图2.6 典型数字边缘模型及导数剖面图 (12)图2.7 Roberts算子检测模板 (14)图2.8 Prewitt算子检测模板 (14)图2.9 Sobel算子检测模板 (14)图2.10 拉普拉斯算子检测模板 (15)图2.11 高斯型拉普拉斯算子原理及检测模板 (15)图2.12 区域生长示意图 (18)图2.13 分裂原理 (19)图3.1 分水岭算法思想示意图 (25)图4.1 膨胀及腐蚀操作原理 (30)图4.2 开闭降噪 (30)图4.3 不同降噪方法用于含噪及含纹理图像的效果比较 (33)图4.4 快速排序后图像的灰度直方图 (34)图5.1 自适应图像分割系统总体框架 (38)图5.2 分水岭图像分割总体流程 (39)图5.3 系统界面 (40)图5.4 自适应降噪模块流程图 (41)图5.5 自适应分层模块流程图 (42)图5.6 降噪效果图 (43)图5.7 自适应层高与传统层高的效果比较 (44)图5.8 Matlab仿真结果 (45)图5.9 Sky分割精确度比较 (46)附表索引表2.1 各种边缘检测算子的比较 (16)表4.1 各种排序算法的比较 (34)表5.1 分割块数目比较 (45)表5.2 各种算法运行时占用CPU时间比较 (47)第1章绪论1.1选题目的及意义随着信息时代的来临，越来越多的各种信息充斥着人们的生活，人们渴望利用计算机来处理繁多的信息。