1、圖像分割是圖像處理和計(jì)算機(jī)視覺(jué)領(lǐng)域中的一個(gè)最具挑戰(zhàn)性的技術(shù),已經(jīng)有幾十年的發(fā)展歷程了。早期的圖像分割技術(shù)都是針對(duì)灰度圖像和結(jié)構(gòu)化場(chǎng)景圖像的,這些圖像的形式較簡(jiǎn)單、特征比較穩(wěn)定、較容易進(jìn)行分割。但是,近些年來(lái),由于互聯(lián)網(wǎng)和數(shù)碼產(chǎn)品的普及,對(duì)自然場(chǎng)景圖像進(jìn)行分割、提取出感興趣的目標(biāo)成為了當(dāng)前分割領(lǐng)域中的一個(gè)熱點(diǎn)和難點(diǎn)。為此,本文圍繞自然場(chǎng)景圖像分割需求,通過(guò)分析該類圖像的顏色特征,對(duì)已有的分割方法展開(kāi)深入研究,并提出了自己的算法,主要內(nèi)容如

2、下:
　　 首先,對(duì)顏色空間進(jìn)行分析,在HSI顏色空間對(duì)圖像中的目標(biāo)物體進(jìn)行標(biāo)定,運(yùn)用Otsu算法計(jì)算閾值,對(duì)圖像進(jìn)行二值化,再通過(guò)形態(tài)學(xué)運(yùn)算進(jìn)行去噪和填補(bǔ)空洞處理,提出了一種基于顏色標(biāo)定的Otsu閾值分割法,較好的分割出了目標(biāo)物體。
　　 其次,針對(duì)Otsu算法沒(méi)有考慮圖像的空間鄰域信息,本文把馬爾科夫隨機(jī)場(chǎng)引入到Otsu算法中來(lái)整合圖像像素的灰度信息和空間鄰域信息,提出了一種基于馬爾科夫隨機(jī)場(chǎng)的Otsu閾值分割方法,

3、該方法把鄰域拒絕度結(jié)合到Otsu方法中,并提出了一個(gè)新的閾值選取函數(shù)。實(shí)驗(yàn)結(jié)果證明,把該方法應(yīng)用于道路圖像分割中,獲得了較好的分割效果。
　　 最后,研究了均值漂移算法和最小生成樹(shù)算法,為了提高均值漂移分割算法的運(yùn)行效率,提出了一種結(jié)合均值漂移與最小生成樹(shù)的圖像分割方法,簡(jiǎn)稱MS-MsT方法。該方法首先選取較小的空間帶寬參數(shù),以較快的速度對(duì)圖像進(jìn)行均值漂移分割,得到過(guò)分割圖像；然后,以過(guò)分割區(qū)域作為后續(xù)處理的基本單元,構(gòu)造加權(quán)區(qū)