基于尺度空间的图像过分割抑制方法研究

白一青

摘 要：本文主要针对基于分水岭算法的图像分割中产生的过分割现象，提出了一种基于多尺度空间的过分割抑制方法。利用高尺度空间图像缺失细节特征的特点，用高尺度空间图像的分割结果指导低尺度空间的区域合并，可以有效的防止过分割现象，并得到精确地分割脊线。实验验证该方法具有明显的过分割抑制效果。

关键词：图像分割 分水岭算法 多尺度空间 过分割

中图分类号：TP391 文献标识码：A 文章编号：1672-3791（2014）06（b）-0023-01

图像分割是图像处理领域的一个热点问题，是图像分析与目标识别的关键步骤。所谓图像分割就是把图像分割成若干个特定的具有独特性质的区域，并提出感兴趣目标的技术和过程。现有图像分割方法主要有基于阈值的分割方法、基于区域的分割方法、基于边缘的分割方法以及基于特定理论的分割方法。本文的主要研究对象为基于区域分割的分水岭算法。

1 基于分水岭的图像分割算法

分水岭算法是一种较新的基于区域的图像分割算法，该算法的思想来源于地形学中的分水岭与积水盆这两个概念，过程如下：

（1）统计图像梯度。将图像高低起伏的梯度等价成一个地形图，图像的非边界处梯度较小，相当于盆地，边界处梯度较大相当于分割盆地的山脊。

（2）泛洪：从图像最低处渗水（即对图像中的每个盆地标不一样的标识），水位不断上涨的同时，为了防止两块盆地因积水被连通，在位于两盆地间的山脊上加筑水坝（即脊线），水坝要随着水位的涨高而增高。

（3）当水坝加筑到与最高山脊平齐时，泛洪算法结束，此时得到单像素连通且封闭的分水岭脊线。其中，每一个孤立的积水盆地便是一个分割区域。

传统的分水岭算法计算速度快，并且能精确定位图像的边缘，然而对微弱边缘具有良好的响应，存在严重的过分割现象，尤其图像噪声是造成过分割的直接因素。因此，如何克服过分割现象成为本文的研究重点。

防止过分割的方法主要有两种：（1）分割前先对图像滤波，可以有效的抑制噪声引起的过分割现象；（2）分割后进行区域合并。本文提出一种基于尺度空间的图像分割方法，用高尺度空间图像的分割结果来指导低尺度空间的区域合并问题从而抑制图像的过分割。

2 图像的尺度空间

图像的尺度空间指在图像信息处理模型中引入一个参数作为尺度大小的表示，通过连续变化尺度参数，得到不同尺度下的图像信息表示。4 实验结果和分析

实验选取蕾娜图像尺度空间不同的尺度图像分别对原图进行分割抑制。结果如图1所示。

图1中（a）、（b）、（c）和（d）四幅图片依次分别是选取为2、4和16的尺度图像的实验结果。当图像尺度越大缺失的细节信息越多，图像局部越完整，从而对图像过分割的抑制效果越明显。然而，图像中不同区域的分割要求不尽相同，可以使用低尺度图像将脸部进行细致分割，使用高尺度图像将镜子区域充分合并。因此，结合多尺度空间，对于不同的区域选择适当的尺度可以有效的抑制分水岭算法产生的过分割现象。

5 结语

本文主要针对基于分水岭算法的图像分割中产生的过分割现象提出了一种基于多尺度空间的过分割抑制方法，实验验证该方法具有明显的效果。然而如何对于不同区域选择适合的尺度任然需要进一步的研究与探索。

参考文献

[1] 网萨雷斯.数字图像处理[M].北京：电子工业出版社，2003.

[2] 熊立志.基于分水岭算法的遥感影像过分割问题的研究[D].太原科技大学，2012.

[3] 刘海宾.基于分水岭和K域合并的图像分割算法[J].计算机研究，2007，24（9）.

[4] 朱俊杰.三种图像分割算法的对比及图像分割方法的改进[J].计算机应用与软件，2014，31（1）.

[5] 李然.基于改进分水岭算法的图像分割[J].电脑知识与技术，2011，16（17）.endprint

摘 要：本文主要针对基于分水岭算法的图像分割中产生的过分割现象，提出了一种基于多尺度空间的过分割抑制方法。利用高尺度空间图像缺失细节特征的特点，用高尺度空间图像的分割结果指导低尺度空间的区域合并，可以有效的防止过分割现象，并得到精确地分割脊线。实验验证该方法具有明显的过分割抑制效果。

关键词：图像分割 分水岭算法 多尺度空间 过分割

中图分类号：TP391 文献标识码：A 文章编号：1672-3791（2014）06（b）-0023-01

图像分割是图像处理领域的一个热点问题，是图像分析与目标识别的关键步骤。所谓图像分割就是把图像分割成若干个特定的具有独特性质的区域，并提出感兴趣目标的技术和过程。现有图像分割方法主要有基于阈值的分割方法、基于区域的分割方法、基于边缘的分割方法以及基于特定理论的分割方法。本文的主要研究对象为基于区域分割的分水岭算法。

1 基于分水岭的图像分割算法

分水岭算法是一种较新的基于区域的图像分割算法，该算法的思想来源于地形学中的分水岭与积水盆这两个概念，过程如下：

（1）统计图像梯度。将图像高低起伏的梯度等价成一个地形图，图像的非边界处梯度较小，相当于盆地，边界处梯度较大相当于分割盆地的山脊。

（2）泛洪：从图像最低处渗水（即对图像中的每个盆地标不一样的标识），水位不断上涨的同时，为了防止两块盆地因积水被连通，在位于两盆地间的山脊上加筑水坝（即脊线），水坝要随着水位的涨高而增高。

（3）当水坝加筑到与最高山脊平齐时，泛洪算法结束，此时得到单像素连通且封闭的分水岭脊线。其中，每一个孤立的积水盆地便是一个分割区域。

传统的分水岭算法计算速度快，并且能精确定位图像的边缘，然而对微弱边缘具有良好的响应，存在严重的过分割现象，尤其图像噪声是造成过分割的直接因素。因此，如何克服过分割现象成为本文的研究重点。

防止过分割的方法主要有两种：（1）分割前先对图像滤波，可以有效的抑制噪声引起的过分割现象；（2）分割后进行区域合并。本文提出一种基于尺度空间的图像分割方法，用高尺度空间图像的分割结果来指导低尺度空间的区域合并问题从而抑制图像的过分割。

2 图像的尺度空间

图像的尺度空间指在图像信息处理模型中引入一个参数作为尺度大小的表示，通过连续变化尺度参数，得到不同尺度下的图像信息表示。4 实验结果和分析

实验选取蕾娜图像尺度空间不同的尺度图像分别对原图进行分割抑制。结果如图1所示。

图1中（a）、（b）、（c）和（d）四幅图片依次分别是选取为2、4和16的尺度图像的实验结果。当图像尺度越大缺失的细节信息越多，图像局部越完整，从而对图像过分割的抑制效果越明显。然而，图像中不同区域的分割要求不尽相同，可以使用低尺度图像将脸部进行细致分割，使用高尺度图像将镜子区域充分合并。因此，结合多尺度空间，对于不同的区域选择适当的尺度可以有效的抑制分水岭算法产生的过分割现象。

5 结语

本文主要针对基于分水岭算法的图像分割中产生的过分割现象提出了一种基于多尺度空间的过分割抑制方法，实验验证该方法具有明显的效果。然而如何对于不同区域选择适合的尺度任然需要进一步的研究与探索。

参考文献

[1] 网萨雷斯.数字图像处理[M].北京：电子工业出版社，2003.

[2] 熊立志.基于分水岭算法的遥感影像过分割问题的研究[D].太原科技大学，2012.

[3] 刘海宾.基于分水岭和K域合并的图像分割算法[J].计算机研究，2007，24（9）.

[4] 朱俊杰.三种图像分割算法的对比及图像分割方法的改进[J].计算机应用与软件，2014，31（1）.

[5] 李然.基于改进分水岭算法的图像分割[J].电脑知识与技术，2011，16（17）.endprint

摘 要：本文主要针对基于分水岭算法的图像分割中产生的过分割现象，提出了一种基于多尺度空间的过分割抑制方法。利用高尺度空间图像缺失细节特征的特点，用高尺度空间图像的分割结果指导低尺度空间的区域合并，可以有效的防止过分割现象，并得到精确地分割脊线。实验验证该方法具有明显的过分割抑制效果。

关键词：图像分割 分水岭算法 多尺度空间 过分割

中图分类号：TP391 文献标识码：A 文章编号：1672-3791（2014）06（b）-0023-01

图像分割是图像处理领域的一个热点问题，是图像分析与目标识别的关键步骤。所谓图像分割就是把图像分割成若干个特定的具有独特性质的区域，并提出感兴趣目标的技术和过程。现有图像分割方法主要有基于阈值的分割方法、基于区域的分割方法、基于边缘的分割方法以及基于特定理论的分割方法。本文的主要研究对象为基于区域分割的分水岭算法。

1 基于分水岭的图像分割算法

分水岭算法是一种较新的基于区域的图像分割算法，该算法的思想来源于地形学中的分水岭与积水盆这两个概念，过程如下：

（1）统计图像梯度。将图像高低起伏的梯度等价成一个地形图，图像的非边界处梯度较小，相当于盆地，边界处梯度较大相当于分割盆地的山脊。

（2）泛洪：从图像最低处渗水（即对图像中的每个盆地标不一样的标识），水位不断上涨的同时，为了防止两块盆地因积水被连通，在位于两盆地间的山脊上加筑水坝（即脊线），水坝要随着水位的涨高而增高。

（3）当水坝加筑到与最高山脊平齐时，泛洪算法结束，此时得到单像素连通且封闭的分水岭脊线。其中，每一个孤立的积水盆地便是一个分割区域。

传统的分水岭算法计算速度快，并且能精确定位图像的边缘，然而对微弱边缘具有良好的响应，存在严重的过分割现象，尤其图像噪声是造成过分割的直接因素。因此，如何克服过分割现象成为本文的研究重点。

防止过分割的方法主要有两种：（1）分割前先对图像滤波，可以有效的抑制噪声引起的过分割现象；（2）分割后进行区域合并。本文提出一种基于尺度空间的图像分割方法，用高尺度空间图像的分割结果来指导低尺度空间的区域合并问题从而抑制图像的过分割。

2 图像的尺度空间

图像的尺度空间指在图像信息处理模型中引入一个参数作为尺度大小的表示，通过连续变化尺度参数，得到不同尺度下的图像信息表示。4 实验结果和分析

实验选取蕾娜图像尺度空间不同的尺度图像分别对原图进行分割抑制。结果如图1所示。

图1中（a）、（b）、（c）和（d）四幅图片依次分别是选取为2、4和16的尺度图像的实验结果。当图像尺度越大缺失的细节信息越多，图像局部越完整，从而对图像过分割的抑制效果越明显。然而，图像中不同区域的分割要求不尽相同，可以使用低尺度图像将脸部进行细致分割，使用高尺度图像将镜子区域充分合并。因此，结合多尺度空间，对于不同的区域选择适当的尺度可以有效的抑制分水岭算法产生的过分割现象。

5 结语

本文主要针对基于分水岭算法的图像分割中产生的过分割现象提出了一种基于多尺度空间的过分割抑制方法，实验验证该方法具有明显的效果。然而如何对于不同区域选择适合的尺度任然需要进一步的研究与探索。

参考文献

[1] 网萨雷斯.数字图像处理[M].北京：电子工业出版社，2003.

[2] 熊立志.基于分水岭算法的遥感影像过分割问题的研究[D].太原科技大学，2012.

[3] 刘海宾.基于分水岭和K域合并的图像分割算法[J].计算机研究，2007，24（9）.

[4] 朱俊杰.三种图像分割算法的对比及图像分割方法的改进[J].计算机应用与软件，2014，31（1）.

[5] 李然.基于改进分水岭算法的图像分割[J].电脑知识与技术，2011，16（17）.endprint