图像分割技术研究综述

□ 黄 旭 □ 张世义 □ 李 军

重庆交通大学 机电与车辆工程学院 重庆 400074

1 研究背景

图像识别来源于模板匹配,从人类自身的视觉识别中演变而来。人类自身视觉识别的思路为,将眼前的物体和脑海中的印象进行对比,完成对眼前物体的定义。图像识别也是如此,对原图像提取特征,和需要的目标特征进行对比,从而达到识别的效果。图像识别在现代科技中扮演着至关重要的角色,许多领域,如无人驾驶、人脸识别、导弹跟踪等,都离不开图像识别。随着时代的进步、科技的发展,图像识别技术不断完善,发展到今天主要有统计识别、模糊集识别、神经网络识别、模板匹配识别、结构识别、支持向量机识别等方法。此外,在某些特殊情况下,还有利用辅助靶标的识别方法。基本上所有图像识别技术都离不开图像预处理、图像分割、特征提取、特征匹配识别等步骤。其中,图像分割指为了节约计算资源,将图像根据某些参数分成不同的区域,进而剔除无效区域。基于阈值、区域、边缘的分割方法,以及超像素分割方法,都是如今常见的图像分割方法。

图像分割在图像识别中起至关重要的作用,选择合理的分割方法,可以大大缩短图像识别的时间,节省计算资源。如在自动驾驶车辆领域,通过图像分割可以快速识别出车道线、指示牌、交通信号灯等重要交通信息。可见,图像分割非常重要。

2 图像分割方法

2.1 基于阈值的图像分割法

基于阈值的图像分割法是一种常见的图像分割方法,主要思想为,不同的目标具有不同的特征,如颜色、灰度、轮廓等,利用特征间的细微差别,选取阈值划分为目标物与背景。……