馬永慧

(中北大學(xué)電子與計(jì)算機(jī)科學(xué)技術(shù)學(xué)院，山西太原030051)

圖像分割就是把圖像分成各具特性的區(qū)域并提出感興趣目標(biāo)的技術(shù)和過(guò)程。在對(duì)計(jì)算機(jī)視覺(jué)的研究中，圖像分割是連接低級(jí)視覺(jué)和高級(jí)視覺(jué)的橋梁和紐帶，圖像分割的結(jié)果既取決于低級(jí)視覺(jué)中各種預(yù)處理的效果，又決定了高級(jí)視覺(jué)中的各種應(yīng)用中最終輸出的質(zhì)量。

MATLAB應(yīng)用較為簡(jiǎn)單，它把計(jì)算、圖示和編程集成到一個(gè)環(huán)境中，用起來(lái)非常方便。同時(shí)，MATLAB具有很強(qiáng)的開放性和適應(yīng)性，在保持內(nèi)核不變的情況下，MATLAB推出了適合不同學(xué)科的工具箱，如圖像處理工具箱，小波分析工具箱、信號(hào)處理工具箱、神經(jīng)網(wǎng)絡(luò)工具箱等，極大地方便了不同學(xué)科的研究工作［5］。

1 基于閾值的圖像分割

灰度閾值分割法是一種最常用的并行區(qū)域技術(shù)，它是圖像分割中應(yīng)用數(shù)量最多的一類［1］。閾值分割方法實(shí)際上是輸入圖像f到輸出圖像g的如下變換:

其中，T為閾值，對(duì)于物體的圖像元素g(i，j)=1，對(duì)于背景的圖像元素g(i，j)=0。

由此可見，閾值分割算法的關(guān)鍵是確定閾值，如果能確定一個(gè)合適的閾值就可準(zhǔn)確地將圖像分割開來(lái)。人們發(fā)展了各種各樣的閾值處理技術(shù)，包括全局閾值、自適應(yīng)閾值、最佳閾值等等［2］。

2 基于區(qū)域特性的分割

區(qū)域生長(zhǎng)法是典型的串行區(qū)域技術(shù)，其分割過(guò)程后續(xù)步驟的處理要根據(jù)前面步驟的結(jié)果進(jìn)行判斷而確定。

區(qū)域生長(zhǎng)法的主要過(guò)程是［3］:從一個(gè)已知種子點(diǎn)開始，依次檢測(cè)其鄰近點(diǎn)，根據(jù)檢測(cè)標(biāo)準(zhǔn)，加入與其特性相似的鄰近點(diǎn)形成一個(gè)區(qū)域，在各個(gè)方向上生長(zhǎng)區(qū)域，當(dāng)新的點(diǎn)被合并后再用新的區(qū)域重復(fù)這一過(guò)程，直到?jīng)]有可接受的鄰近點(diǎn)時(shí)生長(zhǎng)過(guò)程終止;對(duì)于有多個(gè)目標(biāo)區(qū)域的圖像，可在之前已劃分的區(qū)域外再選取一種子點(diǎn)，按同樣過(guò)程生成新的區(qū)域;最終將圖像分割成若干個(gè)目標(biāo)區(qū)域。

3 基于特定理論的分割方法

脈沖耦合神經(jīng)網(wǎng)絡(luò)(PCNN)被引入到圖像分割中，它是一種不同于傳統(tǒng)人工神經(jīng)網(wǎng)絡(luò)的新型神經(jīng)網(wǎng)絡(luò)，是由Eckhorn為解釋在貓的大腦視覺(jué)皮層中實(shí)驗(yàn)所觀察到的與特征有關(guān)的神經(jīng)元同步行為現(xiàn)象而提出的［4］。

PCNN的單個(gè)神經(jīng)元由樹突、非線性連接調(diào)制、脈沖產(chǎn)生三部分構(gòu)成，如圖1所示。

圖1 標(biāo)準(zhǔn)PCNN神經(jīng)元模型

樹突部分即接收部分用來(lái)接收來(lái)自其他神經(jīng)元與外部的輸入。接收域?qū)⒔邮盏降妮斎胪ㄟ^(guò)兩條通道進(jìn)行傳輸，一個(gè)通道稱為F通道，用于接收包含外部輸入信號(hào)的饋送輸入(Feeding Inputs)，其運(yùn)算關(guān)系為:

另一個(gè)則用于接收來(lái)自其他神經(jīng)元的連接輸入(Linking Inputs)，其運(yùn)算關(guān)系為:

式(2)、式(3)中，M和W是內(nèi)部連接矩陣(一般M=W);Y(k)為神經(jīng)元點(diǎn)火與否的信息;αF和αL分別為Fij(k)，Lij(k)的衰減時(shí)間常量;VL和VF為連接和饋入常量;Sij為第(i，j)個(gè)神經(jīng)元接受的外部刺激(這里為圖像像素構(gòu)成的矩陣中第(i，j)個(gè)像素的灰度值)。在連調(diào)制部分饋送輸入Fij和連接輸入Lij，再經(jīng)過(guò)調(diào)制后產(chǎn)生第(i，j)個(gè)神經(jīng)元的內(nèi)部活動(dòng)項(xiàng)，其運(yùn)算關(guān)系為:

式中，Uij為神經(jīng)元的內(nèi)活動(dòng)，為連接調(diào)制常量。利用連接輸入對(duì)饋送輸入進(jìn)行調(diào)制是PCNN神經(jīng)元之間進(jìn)行通信的關(guān)鍵［5］。

神經(jīng)元的脈沖生成器根據(jù)內(nèi)部活動(dòng)項(xiàng)Uij的一個(gè)躍函數(shù)產(chǎn)生二值輸出，并根據(jù)第(i，j)個(gè)神經(jīng)元點(diǎn)火與否的狀態(tài)自動(dòng)調(diào)整閾值大小。在時(shí)間k，如果內(nèi)部活動(dòng)項(xiàng)Uij比閾值函數(shù)θij大，Yij取值為 1，稱第(i，j)個(gè)神經(jīng)元點(diǎn)火;否則 Yij取值為0，稱第(i，j)個(gè)神經(jīng)元未點(diǎn)火。如果第(i，j)個(gè)神經(jīng)元點(diǎn)火，則根據(jù)Vθ對(duì)閾值函數(shù)按照下面兩式進(jìn)行調(diào)整:

式中:αθ為時(shí)間衰減常量;Vθ為閾值常量。

4 計(jì)算機(jī)仿真及結(jié)果

通過(guò)MATLAB編程實(shí)現(xiàn)圖像分割的仿真，圖2為基于閾值的圖像分割的仿真，確定合適的閾值是關(guān)鍵，具體仿真結(jié)果如圖2(a)～(d)所示。圖3為基于區(qū)域的圖像分割，區(qū)域生長(zhǎng)法分割屬于中行分割方法，實(shí)際應(yīng)用中要解決三個(gè)問(wèn)題:第一就是確定一組能正確代表所需區(qū)域的種子像素;第二確定生長(zhǎng)準(zhǔn)則;第三確定讓生長(zhǎng)停止的條件或規(guī)則。具體仿真結(jié)果如圖3(a)，(b)所示。圖4提出的是基于PCNN的圖像分割算法，將背景色設(shè)為黑色，目標(biāo)色為白色，并與普通的二值分割圖像進(jìn)行了比較，剛好顏色相反。

圖2 基于閾值的圖像分割

圖3 基于區(qū)域的圖像分割

圖4 基于PCNN的圖像分割

5 結(jié)束語(yǔ)

經(jīng)過(guò)以上三幅圖的仿真實(shí)現(xiàn)結(jié)果可見:

(1)閾值分割的優(yōu)點(diǎn)是計(jì)算簡(jiǎn)單、運(yùn)算效率較高、速度快。在重視運(yùn)算效率的應(yīng)用場(chǎng)合(如用于硬件實(shí)現(xiàn))，它得到了廣泛應(yīng)用。

(2)區(qū)域生長(zhǎng)法的優(yōu)點(diǎn)是計(jì)算簡(jiǎn)單，對(duì)于較均勻的連通目標(biāo)有較好的分割效果。它的缺點(diǎn)是需要人為確定種子點(diǎn)，對(duì)噪聲敏感，可能導(dǎo)致區(qū)域內(nèi)有空洞。

(3)基于PCNN的圖像分割算法，它具有相似神經(jīng)元同步點(diǎn)火特性，非常適合于各類圖像的分割。而且經(jīng)過(guò)改進(jìn)的PCNN算法將會(huì)有更高的靈活性，更廣闊的運(yùn)用空間。

各種圖像分割方法有著相同的分割基理，即利用圖像中像素間的相似性和跳變性。這是多種圖像分割方法能夠整合的基礎(chǔ)。合理整合多種分割方法，使之兼具不同分割方法的優(yōu)勢(shì)，可以達(dá)到更好的分割效果。

［1］李久權(quán)，王平，王永強(qiáng)，等.CT圖像分割幾種算法［J］.微計(jì)算機(jī)信息，2006，22(21):240 －242.

［2］岡薩雷斯.數(shù)字圖像處理(MATLAB版)［M］.北京:電子工業(yè)出版社，2005.

［3］蔣翠翠，李明.淺析基于MATLAB的圖像分割方法［J］.電腦與電信，2010(6):68 －70.

［4］ECKHORN H，REITBOECK H J，ARNDT M，et al.Feature Linking Via Synchronization Among Distributed Assemblies:Simulation of Results From Cat Cortex［J］.Neural Computation，1990，2(3):293 －307.

［5］馬義德，蘇茂君.基于PCNN的圖像二值化及分割評(píng)價(jià)方法［J］.華南理工大學(xué)學(xué)報(bào)(自然科學(xué)版)，2009，37(5):50－51.

［6］賈偉.MATLAB在數(shù)字圖像處理中的應(yīng)用［J］.硅谷，2010(8):98+139.