基于k均值的纹理图像分割研究文献综述
2020-05-16 20:20:13
文 献 综 述
一、 背景介绍
图像分割指的是根据灰度、颜色、纹理和形状等特征把图像划分成若干互不交迭的区域,并使这些特征在同一区域内呈现出相似性,而在不同区域间呈现出明显的差异性。
图像分割是图像分析和模式识别需要解决的首要问题和基本问题,也是图像处理的经典难题 [1-2] 。图像分割是由图像处理到图像分析的关键步骤[3]。
纹理是图像的基本特征,是物体表面固有属性的描述,为图像分析提供了重要的视觉线索。通常可以这样认为,一幅图像是由许多不同的纹理区域一块块组合成,与这些区域有关的图像特征就可以用来对其进行检索和查找[4]。本次课题使用LBP算子对图像的纹理特征进行提取分析,以K-means算法为基础对纹理特征进行分割。研究算法的具体过程,探讨算法的优点以及缺点。
二、 图像分割技术
图像分割可以分为两大类:第一类为找出图像的边缘信息,从而分割出各个区域,常用方法有边缘检测方法,灰度阈值法;第二类为根据相应的区域特性在图像中找出与其相似的部分并进行处理,常用方法有区域生长、区域聚合和图像匹配,图像的相似程度根据具体的方法选择[5]。下面简单介绍一下主要的分割方法:
2.1边缘分割
边缘检测的实质是采用某种算法来提取出图像中对象与背景间的交界线。我们将边缘定义为图像中灰度发生急剧变化的区域边界。图像灰度的变化情况可以用图像灰度分布的梯度来反映,因此我们可以用局部图像微分技术来获得边缘检测算子。边缘检测算法有如下四个步骤(其过程如图1(见附件)所示) [6]:
边缘检测的优点是边缘定位准确、运算速度快,缺点是单独的边缘检测只能产生边缘点,而不是完整意义上的图像分割过程,这也就是说,边缘点信息需要后续处理或与其他相关算法相结合,才能完成分割任务[7]。