图像分割的研究进展

图像分割的研究进展

在计算机飞速发展的背景下，计算机的图像处理技术渗入到各个行业中。图像分割作为一种基本的图像处理技术，它的目的是把图像分成各具特征的区域，从中提取感兴趣的技术。下面我们就来探讨一下图像分割的进展，以及图像分割中的自动分割和半自动分割的比较。

标签：图像；自动分割；半自动分割；进展

引言

图像分割作为图像处理和计算机视觉领域的基础性工作，它拥有很多的分割方法。第一代编码技术是在波形编码的基础上形成的，信源模型需要使用像素来表示图像。第二代编码技术的形成，它主要是针对内容进行编码，但是信源的模型已经不再需要使用像素来表示图像，而是针对内容，通过对图像的划分，使它们变成许多不同的对象，然后把每个对象都进行编码，并使他们的编码具有唯一性。每个对象编码都需要经过一个统一的程序，也就是发送运动的轨迹、形状信息和纹理。在进行编码时，也可以根据人们视觉爱好对象分配相对多一些比特数，对于与视觉没有影响的区域，比特数可以分配的较少。与波形的编码压缩方法相比，这种针对内容的编码方式具有更高的效率，从而为查询图像内容和交互奠定了基础。

1 图像分割的定义

图像分割中的分割是一个标记的过程，也就是对分割所取得的同一区域的像点做出相同的标记。换而言之，图像分割也就是根据彩色、灰度、空间纹理、几何形状等特点，把图像分为几个不相交的区域，从而这些特征在同一个区域内的表现有相似性和一致性，但是在不同的区域里又表现的明显的不同。图像分割是图像处理和计算机视觉领域在低层次视觉中最重要也是最基础的领域之一，而且它也是一个经典的难题，目前，没有一个既可以通用的分割方法和判断是否成功作为客观的标准。

2 图像分割自动和半自动的比较

图像分割的方法从各种途径参与的程度上来看，可以分为自动、半自动和人工。人工分割是指操作者使用鼠标等工具，大致描绘出分割区域，这种方法非常浪费时间和人力。但是通过人工操作，人们对颜色和纹理更加敏感，在大脑的作用下可以进行准确的分割图像。而自动分割不需要进行人机交互，它的分割完全受计算机的控制，计算机可以帮助它完成大量的工作，虽然可以减轻分割的压力，但是这种方法具有很差的适应性，很难满足图像取得的分割效果。半自动是人工和自动的结合，能够适应许多不同图像，不仅拥有取长补短的效果，还可以有效的降低计算机的复杂度。

2.1 图像分割自动法

常用的图像自动分割法有许多，一般分为阈值法、区域法、边缘检测法、聚类法。从图像分割可以精确的得到能量函数出发，它主要包括三个步骤：①设计能量函数；②构造图像；③最小割和最大流方法。在一定的情况下，能量函数的最小化可以使用最小割进行求解。但是必须要符合两个条件，一个是二值标记，另一个是要能反映出能量函数，可以是任意一个数据项函数，在权重处于负值时，添加一个常数就行。在构建图时，图像的区域或像素要与图的顶点对应。而顶点的每个边都反映了标记的偏好程度，邻域连接可以反映出平滑项。最小割和最大流方法主要包括增广路径方法和推进重标记方法。增广路径方法，为了避免求最大流时计算的复杂度，它依赖边的权值大小。推进重标记方法非常容易并行实现，大多数情况下都是使用GPU通过加速来提高效率。

2.2 图像分割半自动方法

当前的半自动分割中人机交互的方式：首先要粗略的勾画出目标图像的轮廓，形成自动分割的初始形态。然后根据特定的任务和图像去调整算法参数。在实际的应用中，多数分割算法都需要根据具体的任务和图像确定参数的选值问题，例如分割目标、设定阈值等。可以采用局部引发全局抑制的振荡网络，对医学图像进行分割。在分割的过程中，要使用人工交互环节。例如半自动肺部组织图像分割方法，它是通过自动或者人工设定的方式产生若干种子点，然后把图像分为若干个区域，再使用监督分类的方法把它分为背景区和目标区，而且还要判断出两个交界边缘的区域，通过增加种子点，并重复以上的过程，从而使边缘区域的划分更加就精细，如果达到准确的目标区轮廓，就说明操作顺利成功。如下图所示，分割前和分割后的细胞图。

3 图形分割的研究情况

3.1 在图割交互式分割方面，新的交互式图像分割算法还有几处待改进：①重新建立模型，并添加色彩和纹理；②使用Fisher判别准则，对直方图降维，并使它适合交互式的应用中；③在编辑的时候，使用新加种子点对分割模型进行重新估计，从而可以提高模型应用的准确性。模型的加速技术可以通过高斯超像素来实现，它主要的特点是要使用分量的形式使期望能够最大化，再加上高斯算法，然后与用户进行交互聚类，最后还需要描述超像素的特征。

3.2 在实时设计方面，出现CPU不足的原因在于动态存储器的存储模式比较严格，而且流水管线的相对固定，但是一个统一的计算机设备架构技术，可以提供便捷的存储模式和CPU编程。根据CUDA的编程方式和设计思想，改进图割算法，通过CUDA架构可以使并行图割运算成为可能，不仅时图像分割的效果得到了保证，而且也提高图像处理的速度。

3.3 在能量函数设计方面，加权割图像分割算法的特点是：整合了整体分割信息和图像的局信息，能够同时达到类内最大一致性和类间最大相异性。这种方法还分析了加权核和图割模型之间的等价性，不仅可以解决图谱求解的问题，还

可以避免核矩阵的确定问题。

4 结语

随着图像分割技术的不断发展，它的应用范围也非常广泛。只要涉及到对图像目标进行提取和测量工作的都离不开图像分割。图像分割已经广泛应用于通信、军事、交通、遥感、医学等非常多的领域。图像分割的方法也趋向更精确、更快速发展，相信通过各种新技术和新理论的结合，图像分割方法将会不断取得进步。

参考文献

[1]杨宇、张琦，半自动图像分割[J].中国传媒大学学报自然科学版，2008，16（3），26-31

[2]周鲜成，图像分割方法及其应用研究综述[J].信息技术，2007，15（12），11-14

[3]宋寅卯、刘磊，图像分割研究方法及进展[J].电脑学习，2010，23（2），1-3

[4]黄长专、王彪、杨忠，图像分割方法研究[J].计算机技术与发展，2009，19（6），76-83

[5]焦玉斌、徐艳蕾、陈喜龙，图像分割研究综述[J].2009，12（10），11