基于数学形态学的数字人图像分割算法 - read.doc

基于改进分水岭算法的VCH-F1图像自动分割 林道庆， 高智勇， 陈心浩 （中南民族大学 电子信息工程学院, 湖北 武汉430074） 摘 要：针对分水岭算法存在的过分割问题以及VCH-F1切片图像的特点，提出了一种能够有效消除局部极小值和噪声干扰的自动分割方法。首先比较彩色分量梯度图提取图像的梯度信息，可以有效提取图像边缘信息。然后提出基于多阈值分割方法消除无效梯度信息，最后介绍了算法的步骤及结果。实验结果表明，通过该方法处理的梯度图像再进行分水岭算法，即使不进行区域合并也能达到很好的效果。 关键词：分水岭算法；彩色图像分割；多阈值分割；数字虚拟人 Automated Segmentation for Image of VCH-F1 Based on Improved Watershed Algorithm LIN Dao-qing，GAO Zhi-yong，CHEN Xin-hao (College of Electronic and Information Engineering , South-Central University for Nationalities ,Wuhan 430074 , China) Abstract : With regard to the over-segmentation of watershed algorithm and the characteristics of the slice images of the digitized Chinese No. 1 female dataset, a new auto-segmentation algorithm that can effectively eliminate local minima and noise disturber was presented. Firstly,morphological gradient information was got by comparing colour weight gradient images, which can extract image edge effectively. Then, a new method based on multi-threshold segmentation was proposed, which can eliminate inefficacious gradient information. Finally, procedures and results of the algorithm were introduced. Experimental results demonstrate that watershed transformation with the proposed algorithm produces very good segmentations, even without region merging. Keywords: watershed;Colour image segmentation;Multi-threshold segmentation; virtual human 1. 引言 目前，图像分割方法主要有：基于直方图的图像分割，基于边界的图像分割，基于区域的图像分割，基于聚类的图像分割等。基于分水岭算法的形态学分割方法具有准确分割和精确定位图像边缘的特性受到极大关注，但它存在严重的过分割问题。有两种方法可以解决该问题:一种是在分水岭算法之前进行滤波去噪等预处理，如卢官明[1]等人采用多尺度滤波的获得梯度图。另一种是在分水岭算法之后的区域合并，如胡亚斌[2]等人采用距离函数局部最大值准则进行区域合并。本文提出一种能有效消除局部极小值和噪声干扰的改进分水岭方法。结合南方医科大学虚拟中国人女性一号(VCH-F1 )切片序列特点[3],首先比较彩色分量梯度图，提取图像分量的最大梯度信息，达到提取图像边缘信息的目的。然后提出基于多阈值分割方法消除无效梯度信息，然后进行分水岭运算。实验证明，通过该方法获取的梯度图像再进行分水岭算法，即使不进行区域合并操作也能达到很好的分割效果，而且提高了分割自动化程度。 2. 传统方法 Vincentl[4]等人最早提出了分水岭算法原理，可以根据水面浸地形和筑坝来说明。在均匀区域中因纹理噪声等造成的低对比度变化可能产生许多局部山峰和谷底，经分水岭算法后形成小的区域，导致过分割。 分水岭算法是对形态学灰度梯度图进行运算。传统单尺度形态学梯度算子[4]的分割性能取决于结构元素的大小，而且对其结果进行分水岭运算容易产生过分割的问题。为了利用大结构元素和小结构元素各自的优点，卢官明[1]提出