模式識別理論基礎上的圖像分割研究

張俊玲++趙林

摘 要：隨著人工智能技術以及計算機技術的發展，模式識別理論在包括圖像分割在內的圖像處理領域得到了越來越廣泛的應用，對模式識別理論基礎上的圖像分割做出研究，不僅能夠有效提高圖像分割技術的發展，同時有利于提升模式識別理論的實際應用價值。本文在對圖像分割做出闡述的基礎上，從圖像分割難點以及模式識別理論在圖像分割中的應用兩個方面對模式識別理論基礎上的圖像分割做出了研究與探討。

關鍵詞：模式識別 圖像分割 識別方法 特征提取

中圖分類號：TP391 文獻標識碼：A 文章編號：1674-098X（2014）07（a）-0228-01

1 圖像分割

作為一種圖像技術，圖像分割得到了人們廣泛的研究與重視，并在實踐中也得到應用。在圖像應用中，圖像分割技術可以在需要進行圖像目標提取的工作中發揮重要的作用。如生物醫學圖像分析、遙感圖像分析、文檔圖像處理、生產過程控制、在線產品檢驗以及工業自動化中都應用了圖像分割技術。應用領域的不同也讓圖像分割技術具有著不同的名稱，如目標追蹤技術、目標識別技術、閥值化技術、目標輪廓技術等，這些技術的核心或者本身等同于圖像分割技術。圖像分割是將某個圖像分為具有自身特色的幾個區域，并對感興趣區域提取的過程與技術。這里所提出的特色包括像素的紋理、顏色、灰度等，目標經過預先定義后可以指向單個區域，也可以指向多個區域。由于在研究圖像和應用圖像的過程中，往往只是對圖像的某個部分感興趣，所以為了對這些部分進行分析與辨識，有必要將他們提取和分離出來，并對他們進行利用，由此可見，圖像分割是對圖像進行處理以及分析的重要步驟。圖像分割的方法多年來一直得到了人們的重視，基于多樣化的分割算法基礎上，將圖像進行分割與分類的方法也非常多，比較通用的分類是根據圖像中相鄰像素在像素值方面表現出的兩個性質：相似性與不連續性。雖然區域內部中的像素都具有相似性，但是不同區域邊界上卻具有著不連續性，因此，分割算法可以以此為依據分為基于邊界的算法和基于區域的算法兩種，另外，以分割過程中所使用的處理方法的差異，分割算法可以分為串行算法與并行算法。

2 模式識別理論基礎上的圖像分割

一般而言，模式識別需要由設計與實現兩個過程來組成，設計指的是使用樣本開展分類器設計，實現指的是使用設計完成的分類器來對待識別的樣本開展分類決策。隨著模式識別理論以及技術的發展，模式識別方法也得到了一定程度地創新，當前的模式識別方法主要包括統計模式識別方法；以句法規則結構化模式為依據的模式識別方法以及神經元網絡模式識別方法。

圖像分割所具有的難點在于分割依據的確定，即難以根據具有確定性的判定標準來對需要分割的圖像各個部分開展判斷以確定分割對象的位置，因此，基于知識的多特征多級判別的變化域分割概念被提出。在這一概念中，需要對特征進行分析，確定分割對象之間最明顯的區分特征來作為分割依據，隨后可以根據特征標準來使用經典的圖像分割技術分割特征空間并得到可靠的位置結構。同時以分割精確度的差異為依據，開展多特征多級的分割，即在進行特征抽取后以具體需求為依據再次開展特征抽取或者開展多次的特征抽取，每一個提取過程中所使用的特征依據都需要達到減少分析區域的效果，并在此基礎上對分割范圍進行進一步的確定。具體而言，基于模式識別理論對分割問題作出考慮，分割對象可以根據圖像本身的結構特性和統計特性分為分割類與非分割類。每一種事物都具有某些特征來與其他事物進行區分，所以在圖像分割過程中也必然能夠提取出一些和分割背景具有差異的特征來當做分割依據。在對定位對象進行分割的過程中，可以選擇由這些特征所構成的特征空間來開展定位識別，所以本文認為，可以將圖像分割的對象當做模式識別對象，把圖像分割過程當做模式識別中識別特定模式類并以特征模式類特征為依據來進行分割的過程。

基于模式識別理論的圖像分割主要分為四個步驟。

一是對分割對象本身所具有的所有特性做出分析，為分割需要提供依據。在圖像分割過程中，選取這些特征的原則為更好、更容易的區分分割對象。在此方面又包括以下幾點內容：可靠性，屬于同類對象的特征應當相似。區別性，屬于不同類別的識別對象所具有的特征值應當存在差異。獨立性，在分割過程中所使用的特征應當不存在緊密關聯。雖然十分相似的特征可以進行組合，但是不能當做相同的特征。對數量進行控制。特征個數的增加會增大模式識別系統在進行圖像分割過程中的復雜程度，其中用于結構測試的樣本數量會隨著特征量的增加呈現出指數關系的增長。在模式識別理論基礎上的圖像分割工作中，一般需要開展大量的實驗、計算與分析才能夠充分了解分割對象所具有的特性，同時需要在具體的圖像分割過程中尋找能夠區別于復雜背景且穩定、有效的特征來當做圖像分割的依據。

二是通過特征空間轉換將圖像轉換成為確定特征基礎上的特征空間。在此過程中變換域方法、神經網絡方法以及模糊理論等方法都可以作為變換方法。這主要是由于圖像分割過程中的復雜背景會產生很多的不確定性因素，并對特征的確定產生干擾，所以在開展圖像分割之前，有必要采用數學方法和一些其他的學科理論來變換圖像，其目的主要在于讓特征這一作為圖像分割的依據更加突出。

三是根據已經明確的特征范圍和特征標準，采用合理的分割技術來分割特征空間，同時以分割對象的特征標準度范圍和標準度量值為依據來匹配圖像中的各個區域以確定需要進行分割的區域。另外在分割圖像的過程中，最底層環節為圖像處理技術，分割中的工作都需要建立在圖像處理技術基礎上。

四是當分割精度沒有達到需求和要求時，有必要進一步開展特征選擇，即對以上三個部分進行重復。

綜上所述，模式識別理論對于提高圖像分割效果而言發揮著重要作用。無論是模式識別理論還是圖像分割作為一種具有先進性和現代化特點的技術都具有著良好的應用前景，但是在此過程中，需要認識到二者的發展以及應用價值的提升都需要二者本身做出不斷的完善。單從模式識別理論在圖像分割中的應用于完善方面來看，首先需要對單識別器的性能進行進一步的提高；其次有必要繼續強化對多分類器集成方法的談論與研究。這對于增加模式識別理論在圖像分割方面的應用價值具有重要意義。

參考文獻

[1] 靳富麗.模式識別理論及其應用[J].湖北廣播電視大學學報，2007（12）.

[2] 曾慶鵬，吳水秀，王明文.模式識別中的特征提取研究[J].微計算機信息，2008（1）.

[3] 林曉霞，楊曉東.二值圖像的模式識別方式[J].福建電腦，2005（6）.

[4] 劉浩，戚文靜，戴居豐，等.模式識別技術在數字城市圖像處理中的應用[J].微計算機信息，2005（20）.

[5] 盧力，田金文，柳健.統計模式識別研究進展[J].軍民兩用技術與產品，2003（11）.endprint