白一青

摘 要：本文主要針對基于分水嶺算法的圖像分割中產(chǎn)生的過分割現(xiàn)象，提出了一種基于多尺度空間的過分割抑制方法。利用高尺度空間圖像缺失細節(jié)特征的特點，用高尺度空間圖像的分割結果指導低尺度空間的區(qū)域合并，可以有效的防止過分割現(xiàn)象，并得到精確地分割脊線。實驗驗證該方法具有明顯的過分割抑制效果。

關鍵詞：圖像分割 分水嶺算法 多尺度空間 過分割

中圖分類號：TP391 文獻標識碼：A 文章編號：1672-3791（2014）06（b）-0023-01

圖像分割是圖像處理領域的一個熱點問題，是圖像分析與目標識別的關鍵步驟。所謂圖像分割就是把圖像分割成若干個特定的具有獨特性質(zhì)的區(qū)域，并提出感興趣目標的技術和過程?，F(xiàn)有圖像分割方法主要有基于閾值的分割方法、基于區(qū)域的分割方法、基于邊緣的分割方法以及基于特定理論的分割方法。本文的主要研究對象為基于區(qū)域分割的分水嶺算法。

1 基于分水嶺的圖像分割算法

分水嶺算法是一種較新的基于區(qū)域的圖像分割算法，該算法的思想來源于地形學中的分水嶺與積水盆這兩個概念，過程如下：

（1）統(tǒng)計圖像梯度。將圖像高低起伏的梯度等價成一個地形圖，圖像的非邊界處梯度較小，相當于盆地，邊界處梯度較大相當于分割盆地的山脊。

（2）泛洪：從圖像最低處滲水（即對圖像中的每個盆地標不一樣的標識），水位不斷上漲的同時，為了防止兩塊盆地因積水被連通，在位于兩盆地間的山脊上加筑水壩（即脊線），水壩要隨著水位的漲高而增高。

（3）當水壩加筑到與最高山脊平齊時，泛洪算法結束，此時得到單像素連通且封閉的分水嶺脊線。其中，每一個孤立的積水盆地便是一個分割區(qū)域。

傳統(tǒng)的分水嶺算法計算速度快，并且能精確定位圖像的邊緣，然而對微弱邊緣具有良好的響應，存在嚴重的過分割現(xiàn)象，尤其圖像噪聲是造成過分割的直接因素。因此，如何克服過分割現(xiàn)象成為本文的研究重點。

防止過分割的方法主要有兩種：（1）分割前先對圖像濾波，可以有效的抑制噪聲引起的過分割現(xiàn)象；（2）分割后進行區(qū)域合并。本文提出一種基于尺度空間的圖像分割方法，用高尺度空間圖像的分割結果來指導低尺度空間的區(qū)域合并問題從而抑制圖像的過分割。

2 圖像的尺度空間

圖像的尺度空間指在圖像信息處理模型中引入一個參數(shù)作為尺度大小的表示，通過連續(xù)變化尺度參數(shù)，得到不同尺度下的圖像信息表示。4 實驗結果和分析

實驗選取蕾娜圖像尺度空間不同的尺度圖像分別對原圖進行分割抑制。結果如圖1所示。

圖1中（a）、（b）、（c）和（d）四幅圖片依次分別是選取為2、4和16的尺度圖像的實驗結果。當圖像尺度越大缺失的細節(jié)信息越多，圖像局部越完整，從而對圖像過分割的抑制效果越明顯。然而，圖像中不同區(qū)域的分割要求不盡相同，可以使用低尺度圖像將臉部進行細致分割，使用高尺度圖像將鏡子區(qū)域充分合并。因此，結合多尺度空間，對于不同的區(qū)域選擇適當?shù)某叨瓤梢杂行У囊种品炙畮X算法產(chǎn)生的過分割現(xiàn)象。

5 結語

本文主要針對基于分水嶺算法的圖像分割中產(chǎn)生的過分割現(xiàn)象提出了一種基于多尺度空間的過分割抑制方法，實驗驗證該方法具有明顯的效果。然而如何對于不同區(qū)域選擇適合的尺度任然需要進一步的研究與探索。

參考文獻

[1] 網(wǎng)薩雷斯.數(shù)字圖像處理[M].北京：電子工業(yè)出版社，2003.

[2] 熊立志.基于分水嶺算法的遙感影像過分割問題的研究[D].太原科技大學，2012.

[3] 劉海賓.基于分水嶺和K域合并的圖像分割算法[J].計算機研究，2007，24（9）.

[4] 朱俊杰.三種圖像分割算法的對比及圖像分割方法的改進[J].計算機應用與軟件，2014，31（1）.

[5] 李然.基于改進分水嶺算法的圖像分割[J].電腦知識與技術，2011，16（17）.endprint

摘 要：本文主要針對基于分水嶺算法的圖像分割中產(chǎn)生的過分割現(xiàn)象，提出了一種基于多尺度空間的過分割抑制方法。利用高尺度空間圖像缺失細節(jié)特征的特點，用高尺度空間圖像的分割結果指導低尺度空間的區(qū)域合并，可以有效的防止過分割現(xiàn)象，并得到精確地分割脊線。實驗驗證該方法具有明顯的過分割抑制效果。

關鍵詞：圖像分割 分水嶺算法 多尺度空間 過分割

中圖分類號：TP391 文獻標識碼：A 文章編號：1672-3791（2014）06（b）-0023-01

圖像分割是圖像處理領域的一個熱點問題，是圖像分析與目標識別的關鍵步驟。所謂圖像分割就是把圖像分割成若干個特定的具有獨特性質(zhì)的區(qū)域，并提出感興趣目標的技術和過程?，F(xiàn)有圖像分割方法主要有基于閾值的分割方法、基于區(qū)域的分割方法、基于邊緣的分割方法以及基于特定理論的分割方法。本文的主要研究對象為基于區(qū)域分割的分水嶺算法。

1 基于分水嶺的圖像分割算法

分水嶺算法是一種較新的基于區(qū)域的圖像分割算法，該算法的思想來源于地形學中的分水嶺與積水盆這兩個概念，過程如下：

（1）統(tǒng)計圖像梯度。將圖像高低起伏的梯度等價成一個地形圖，圖像的非邊界處梯度較小，相當于盆地，邊界處梯度較大相當于分割盆地的山脊。

（2）泛洪：從圖像最低處滲水（即對圖像中的每個盆地標不一樣的標識），水位不斷上漲的同時，為了防止兩塊盆地因積水被連通，在位于兩盆地間的山脊上加筑水壩（即脊線），水壩要隨著水位的漲高而增高。

（3）當水壩加筑到與最高山脊平齊時，泛洪算法結束，此時得到單像素連通且封閉的分水嶺脊線。其中，每一個孤立的積水盆地便是一個分割區(qū)域。

傳統(tǒng)的分水嶺算法計算速度快，并且能精確定位圖像的邊緣，然而對微弱邊緣具有良好的響應，存在嚴重的過分割現(xiàn)象，尤其圖像噪聲是造成過分割的直接因素。因此，如何克服過分割現(xiàn)象成為本文的研究重點。

防止過分割的方法主要有兩種：（1）分割前先對圖像濾波，可以有效的抑制噪聲引起的過分割現(xiàn)象；（2）分割后進行區(qū)域合并。本文提出一種基于尺度空間的圖像分割方法，用高尺度空間圖像的分割結果來指導低尺度空間的區(qū)域合并問題從而抑制圖像的過分割。

2 圖像的尺度空間

圖像的尺度空間指在圖像信息處理模型中引入一個參數(shù)作為尺度大小的表示，通過連續(xù)變化尺度參數(shù)，得到不同尺度下的圖像信息表示。4 實驗結果和分析

實驗選取蕾娜圖像尺度空間不同的尺度圖像分別對原圖進行分割抑制。結果如圖1所示。

圖1中（a）、（b）、（c）和（d）四幅圖片依次分別是選取為2、4和16的尺度圖像的實驗結果。當圖像尺度越大缺失的細節(jié)信息越多，圖像局部越完整，從而對圖像過分割的抑制效果越明顯。然而，圖像中不同區(qū)域的分割要求不盡相同，可以使用低尺度圖像將臉部進行細致分割，使用高尺度圖像將鏡子區(qū)域充分合并。因此，結合多尺度空間，對于不同的區(qū)域選擇適當?shù)某叨瓤梢杂行У囊种品炙畮X算法產(chǎn)生的過分割現(xiàn)象。

5 結語

本文主要針對基于分水嶺算法的圖像分割中產(chǎn)生的過分割現(xiàn)象提出了一種基于多尺度空間的過分割抑制方法，實驗驗證該方法具有明顯的效果。然而如何對于不同區(qū)域選擇適合的尺度任然需要進一步的研究與探索。

參考文獻

[1] 網(wǎng)薩雷斯.數(shù)字圖像處理[M].北京：電子工業(yè)出版社，2003.

[2] 熊立志.基于分水嶺算法的遙感影像過分割問題的研究[D].太原科技大學，2012.

[3] 劉海賓.基于分水嶺和K域合并的圖像分割算法[J].計算機研究，2007，24（9）.

[4] 朱俊杰.三種圖像分割算法的對比及圖像分割方法的改進[J].計算機應用與軟件，2014，31（1）.

[5] 李然.基于改進分水嶺算法的圖像分割[J].電腦知識與技術，2011，16（17）.endprint

摘 要：本文主要針對基于分水嶺算法的圖像分割中產(chǎn)生的過分割現(xiàn)象，提出了一種基于多尺度空間的過分割抑制方法。利用高尺度空間圖像缺失細節(jié)特征的特點，用高尺度空間圖像的分割結果指導低尺度空間的區(qū)域合并，可以有效的防止過分割現(xiàn)象，并得到精確地分割脊線。實驗驗證該方法具有明顯的過分割抑制效果。

關鍵詞：圖像分割 分水嶺算法 多尺度空間 過分割

中圖分類號：TP391 文獻標識碼：A 文章編號：1672-3791（2014）06（b）-0023-01

圖像分割是圖像處理領域的一個熱點問題，是圖像分析與目標識別的關鍵步驟。所謂圖像分割就是把圖像分割成若干個特定的具有獨特性質(zhì)的區(qū)域，并提出感興趣目標的技術和過程?，F(xiàn)有圖像分割方法主要有基于閾值的分割方法、基于區(qū)域的分割方法、基于邊緣的分割方法以及基于特定理論的分割方法。本文的主要研究對象為基于區(qū)域分割的分水嶺算法。

1 基于分水嶺的圖像分割算法

分水嶺算法是一種較新的基于區(qū)域的圖像分割算法，該算法的思想來源于地形學中的分水嶺與積水盆這兩個概念，過程如下：

（1）統(tǒng)計圖像梯度。將圖像高低起伏的梯度等價成一個地形圖，圖像的非邊界處梯度較小，相當于盆地，邊界處梯度較大相當于分割盆地的山脊。

（2）泛洪：從圖像最低處滲水（即對圖像中的每個盆地標不一樣的標識），水位不斷上漲的同時，為了防止兩塊盆地因積水被連通，在位于兩盆地間的山脊上加筑水壩（即脊線），水壩要隨著水位的漲高而增高。

（3）當水壩加筑到與最高山脊平齊時，泛洪算法結束，此時得到單像素連通且封閉的分水嶺脊線。其中，每一個孤立的積水盆地便是一個分割區(qū)域。

傳統(tǒng)的分水嶺算法計算速度快，并且能精確定位圖像的邊緣，然而對微弱邊緣具有良好的響應，存在嚴重的過分割現(xiàn)象，尤其圖像噪聲是造成過分割的直接因素。因此，如何克服過分割現(xiàn)象成為本文的研究重點。

防止過分割的方法主要有兩種：（1）分割前先對圖像濾波，可以有效的抑制噪聲引起的過分割現(xiàn)象；（2）分割后進行區(qū)域合并。本文提出一種基于尺度空間的圖像分割方法，用高尺度空間圖像的分割結果來指導低尺度空間的區(qū)域合并問題從而抑制圖像的過分割。

2 圖像的尺度空間

圖像的尺度空間指在圖像信息處理模型中引入一個參數(shù)作為尺度大小的表示，通過連續(xù)變化尺度參數(shù)，得到不同尺度下的圖像信息表示。4 實驗結果和分析

實驗選取蕾娜圖像尺度空間不同的尺度圖像分別對原圖進行分割抑制。結果如圖1所示。

圖1中（a）、（b）、（c）和（d）四幅圖片依次分別是選取為2、4和16的尺度圖像的實驗結果。當圖像尺度越大缺失的細節(jié)信息越多，圖像局部越完整，從而對圖像過分割的抑制效果越明顯。然而，圖像中不同區(qū)域的分割要求不盡相同，可以使用低尺度圖像將臉部進行細致分割，使用高尺度圖像將鏡子區(qū)域充分合并。因此，結合多尺度空間，對于不同的區(qū)域選擇適當?shù)某叨瓤梢杂行У囊种品炙畮X算法產(chǎn)生的過分割現(xiàn)象。

5 結語

本文主要針對基于分水嶺算法的圖像分割中產(chǎn)生的過分割現(xiàn)象提出了一種基于多尺度空間的過分割抑制方法，實驗驗證該方法具有明顯的效果。然而如何對于不同區(qū)域選擇適合的尺度任然需要進一步的研究與探索。

參考文獻

[1] 網(wǎng)薩雷斯.數(shù)字圖像處理[M].北京：電子工業(yè)出版社，2003.

[2] 熊立志.基于分水嶺算法的遙感影像過分割問題的研究[D].太原科技大學，2012.

[3] 劉海賓.基于分水嶺和K域合并的圖像分割算法[J].計算機研究，2007，24（9）.

[4] 朱俊杰.三種圖像分割算法的對比及圖像分割方法的改進[J].計算機應用與軟件，2014，31（1）.

[5] 李然.基于改進分水嶺算法的圖像分割[J].電腦知識與技術，2011，16（17）.endprint