基于視覺特性的圖形圖像分割算法研究

馬祿

摘要：圖像處理技術(shù)主要是人類依據(jù)自身需要，借助現(xiàn)代計算機技術(shù)和圖形圖像分割算法對各種圖形圖像進行再加工，以產(chǎn)生能夠滿足人類應(yīng)用需求的目標(biāo)圖形圖像。但是現(xiàn)階段很少圖形圖像分割方法在分割過程中充分考慮分類的視覺特性，這樣就造成分割后的圖形圖像遠遠難以滿足人類的視覺感知需求。為此該文概述了人類視覺系統(tǒng)的組成和特性，全面分析了現(xiàn)階段圖形圖像分割中存在的問題，并提出了與人類視覺特性相適應(yīng)的圖形圖像分割算法，以供相關(guān)人員參考。

關(guān)鍵詞：視覺系統(tǒng)；特性；圖形圖像分割；問題；算法

中圖分類號：TP3 文獻標(biāo)識碼：A 文章編號：1009-5039（2018）17-0216-02

通常圖形圖像處理工作是以圖形圖像分割技術(shù)為基礎(chǔ)的，正是借助圖形圖像分割，目標(biāo)區(qū)才能被準(zhǔn)確地從圖形圖像背景中分離出來?，F(xiàn)階段受圖形圖像自身質(zhì)量與自身內(nèi)容復(fù)雜性多樣的影響，計算機很難依據(jù)人們本身的意愿分割出比較符合人類視覺感知特征的圖像結(jié)果。所以相關(guān)研究人員有必要進一步深入探索基于人類視覺特性的圖形圖像分割算法。

1 人類視覺系統(tǒng)的基本組成及特征

人類視覺系統(tǒng)一般由人眼與視覺中樞神經(jīng)系統(tǒng)兩部分組成。其中人眼負責(zé)感知可見光信息，這些可見光信息在人類視網(wǎng)膜上投射出二維影像，而視覺中樞神經(jīng)系統(tǒng)（一般由視神經(jīng)、大腦皮層中的視覺信息處理區(qū)以及外側(cè)膝狀體等眾多結(jié)構(gòu)組成）負責(zé)對二維影像重構(gòu)、定位、辨別、分析與研究。也可說人類的視覺感知過程就是一個依據(jù)表面屬性認識物體到通過語義信息認識物體的過程。而人類的視覺特性主要有三點。第一，多通道機制和視覺掩蓋效應(yīng)。所謂多通道機制，主要指人類視覺系統(tǒng)中存在多個沒的信息傳遞通道。每個通道都擁有自己比較敏感的空間頻率，同時不同信息頻道彼此作用，最終共同影響人類視覺系統(tǒng)對不同空間頻率的感知。而掩蓋效應(yīng)則是人類視覺系統(tǒng)多通道機制的一種重要顯現(xiàn)。它主要指人類視覺系統(tǒng)在感知某點視覺信號時，其實際的感知程度會直接受其周邊視覺信號的影響而發(fā)生變化。一般當(dāng)只存在一個視覺信號時，人眼能夠很輕松地辨別它，而當(dāng)另一個視覺信號出現(xiàn)時，就會直接降低人眼對于原視覺信號的辨別度，掩蓋住人類視覺系統(tǒng)對原視覺信號的感知。通常當(dāng)兩個視覺信號的空間頻率越接近時，人類的視覺掩蓋效應(yīng)越明顯。第二，亮度和對比度視覺敏感特性。此特性主要是指人眼對物體亮度的感知并非單純地由物體自身的亮度決定，而且還受物體所處周邊區(qū)域環(huán)境的影響。因為人眼在感知圖像時會自動增強圖像的區(qū)域邊緣，這就使得人的視覺系統(tǒng)敏感度隨著空間頻率的變化而變化。與平坦區(qū)域相比，人的視覺系統(tǒng)對邊緣區(qū)域的感知敏感性更高；與絕對亮度相比，人的視覺系統(tǒng)對局部區(qū)域的對比度改變敏感性更高。第三，視覺集中特性。人類的視覺集中特性主要是人類視覺系統(tǒng)在面對大量復(fù)雜的視覺信息時，能夠快速地將視覺注意力固定在幾個比較明顯的自己感興趣的視覺目標(biāo)身上，自動屏除其它視覺目標(biāo)[1]。

2 現(xiàn)階段圖形圖像分割中存在的問題

（1）二維圖像分割中存在的問題

目前在計算機在圖像處理過程中，對二維圖像的分割主要存在四方面不足。第一，缺乏適用性強的圖像分割方法。隨著數(shù)字圖像處理技術(shù)的進步，人們對于二維圖像分割的要求也越來越高?，F(xiàn)階段計算機應(yīng)用的很多二維圖像分割算法都是只局限于某一類二維圖像的，適用性不強，在分割二維圖像時，很難將二維圖像的空間信息、灰度信息、紋理特征等諸多圖像信息要素綜合考慮進來。第二，圖像分割精確度不高。在工業(yè)檢測、工業(yè)零部件制作等行業(yè)中，經(jīng)常需要依據(jù)實際的應(yīng)用要求，對二維圖像進行較為精確的分割。此時二維圖像的分割精度將直接關(guān)系著后續(xù)工作的開展。但是在實際的二維圖像分割過程中經(jīng)常受圖像質(zhì)量、圖像內(nèi)容對比度與圖像邊緣模糊等因素影響而造成分割精確度較低，根本難以滿足工業(yè)圖像處理要求。第三，缺乏健全完善的圖像分割質(zhì)量評價標(biāo)準(zhǔn)?，F(xiàn)階段人類在評價二維圖像的分割質(zhì)量時多采用定量評價方法，通過對圖像分割區(qū)域的對比度、一致性、分割精確率等標(biāo)準(zhǔn)的評價而得出相應(yīng)的評價結(jié)果。但是因為不同二維圖像實際的應(yīng)用要求不同，所以其采用的評價標(biāo)準(zhǔn)也不同，這樣對于同樣的分割結(jié)果，人類的評價結(jié)果自然也不同。這就需要及時創(chuàng)建一套健全完善的二維圖像分割質(zhì)量評價標(biāo)準(zhǔn)，滿足所有應(yīng)用要求下，人們對分割圖像的質(zhì)量評價。第四，圖像分割結(jié)果難以滿足人類的視覺感知需求?，F(xiàn)階段的二維圖像分割方法都是建立在分割區(qū)域的特征差異度或分割區(qū)域的相似性基礎(chǔ)上的，通過相似度與差異性從背景圖像中有選擇性地提出目標(biāo)。在整個分割過程中，幾乎不曾考慮人的感知，難以依據(jù)人類的視覺感知特性，對圖像進行較為人性化的語義分割，這樣就造成分割出來的圖像遠遠維以滿足人類的視覺感知要求，與人類原本的分割意圖相差甚遠[2]。

（2）三維網(wǎng)格分割中存在的問題

目前人類所遇到的三維網(wǎng)格分割問題主要表現(xiàn)在以下三點。第一，缺乏適用性強的三維模型分割方法。在三維模型的分割過程中，其基本的分割要求就是將三維模型分割成若干有內(nèi)涵的部件，而內(nèi)涵本身是由人類的主觀思維決定的，并非是一個定性的客觀標(biāo)準(zhǔn)，不同的人由于自身的主觀認識不同，對內(nèi)涵的界定也不同。所以利用這種分割方法，很成功進行三維模型的分割。第二，缺乏統(tǒng)一的三維網(wǎng)格分割質(zhì)量評價標(biāo)準(zhǔn)。目前，有很多分割方法都能夠應(yīng)用于三維網(wǎng)絡(luò)分割，但是如何通過一個統(tǒng)一的分割質(zhì)量評價標(biāo)準(zhǔn)科學(xué)評價三維網(wǎng)格的分割質(zhì)量，從而客觀衡量出各種三維網(wǎng)絡(luò)分割方法的優(yōu)劣卻成為一個難題。第三，難以科學(xué)進行復(fù)雜網(wǎng)格模型與含噪網(wǎng)格模型的分割。近些年來，隨著3D打印技術(shù)突飛猛進的發(fā)展，相關(guān)人員在設(shè)計一些復(fù)雜網(wǎng)格模型時，經(jīng)常可以通過3D打印機來完成。然而因為3D打印機自身容量普遍偏小，所以很難科學(xué)地完成復(fù)雜網(wǎng)格模型的分割。而在一些虛擬現(xiàn)實與現(xiàn)代逆向工程中，受人為因素與外部隨機因素等的影響，獲取的三維圖形經(jīng)常伴有一定量的高頻率噪音信號，使得計算機難以正確判斷三維網(wǎng)絡(luò)的幾何屬性。目前對于這種含噪網(wǎng)格模型普遍的分割方法是先處理掉相關(guān)噪聲，再開始分割。但是這種分割方法并不科學(xué)，不但應(yīng)用條件較為苛刻，且在分割過程中還會丟失部分模型信息[3]。

3 基于視覺特性在圖形圖像分割算法

（1）基于人類視覺特性的自適應(yīng)二維圖像閾值分割算法

圖像閾值分割算法主要是通過計算與選擇圖像閾值將目標(biāo)區(qū)域從圖像背景區(qū)域中提取出來。通過閾值分割算法分離出來的圖像雖然數(shù)據(jù)量小，占用的存儲空間少，顯著簡化了后續(xù)的圖像分析與圖像處理環(huán)節(jié)，加快了圖像處理的效率。但是它在分割圖像的過程中過于關(guān)注圖像的空間信息與圖像的灰度特征，疏忽了人類視覺對于圖像分割的影響及在圖像分割中的作用。而基于人類視覺特性的自適應(yīng)二維圖像閾值分割算法則以人類的視覺特性為分割圖像的基本出發(fā)點，通過先進方法從人性化視角優(yōu)化圖像的分割閾值，最終使分割出來的目標(biāo)二維圖像能夠更好地滿足人類的視覺感知需求[4]。

關(guān)于基于人類視覺特性的自適應(yīng)二維圖像閾值分割算法的具體實施過程則主要分為三步，第一，劃分圖像像素。所謂劃分圖像像素就是以二維圖像部分區(qū)域的梯度信息為參照標(biāo)準(zhǔn)，科學(xué)地將原始二維灰度圖像的全部像素分成兩大類。第二，創(chuàng)建新二維圖像。在完成像素劃分后，就需要參照這兩種不同類型像素的具體灰度信息創(chuàng)建兩幅新二維圖像，并將原二維灰度圖像中的不同信息分別復(fù)制在新圖像中。第三，計算相應(yīng)圖像分割閾值。此環(huán)節(jié)，需要依據(jù)人類的視覺特性，確定相應(yīng)的目標(biāo)函數(shù)，并優(yōu)求解相應(yīng)的目標(biāo)函數(shù)，最后與圖像局部像素有效結(jié)合，科學(xué)計算出符合人類視覺特性的圖像分割閾值，然后分割圖像[5]。

（2）基于種子點的三維網(wǎng)格分割算法

三維網(wǎng)格分割算法一般是指將特定的三維網(wǎng)格模型劃分成多個獨立的子網(wǎng)格。對于三維網(wǎng)格分割的圖形結(jié)果因為實際的應(yīng)用要求與評價標(biāo)準(zhǔn)的差異，其分割質(zhì)量評價也差別較大。的不同而差異較大?；诜N子點（模型點）的三維網(wǎng)格分割算法主要通過選擇相應(yīng)的三維網(wǎng)格種子點（模型點）確建一個三維網(wǎng)絡(luò)預(yù)選種子點集合，之后再通過多次篩選，確定最終的三維網(wǎng)絡(luò)模型點集合，每一個獨立模型點都表示一個即將被分割的三維網(wǎng)格部件。在實踐操作中，其具體的實施方法大致分為兩步。第一，科學(xué)確定三維網(wǎng)格中最明顯的網(wǎng)格頂點創(chuàng)建一個有意義的種子點集合。第二，在參照人類視覺知識中相關(guān)“最小值規(guī)劃”理論的基礎(chǔ)上，定義好相應(yīng)的距離函數(shù)，同時通過確定好的有意義的種子點集合，科學(xué)分割相關(guān)的三維網(wǎng)格模型[6]。

4 結(jié)語

綜上所述，近些年來隨著計算機的普及和數(shù)字媒體技術(shù)的進步，圖形圖像處理技術(shù)在工業(yè)檢測、虛擬現(xiàn)實、計算機動畫制作等行業(yè)中社會各行業(yè)所起的作用越來越重要。而作為圖形圖像處理基礎(chǔ)的圖形圖像分割算法卻沒有得到同步發(fā)展。人類在圖形圖像分割方面仍然存在著諸多的問題，其中最突出的問題就是難以將圖形圖像分割與人類的視覺特性科學(xué)融合，分割出符合人類視覺認識特性的圖形圖像。這就要求相關(guān)研究人員繼續(xù)探索，早日研究出更加科學(xué)的基于人類視覺特性的圖形圖像分割算法，滿足多樣化的圖形圖像分割要求。

參考文獻：

[1] 盧凱，熊振海，李崇飛，等.基于全局結(jié)構(gòu)相似度度量方法的顯著性檢測[J].計算機工程與科學(xué)，2013，35（6）：113-117.

[2] 姚軍財，劉貴忠.一種基于人眼對比度敏感視覺特性的圖像自適應(yīng)量化方法[J].電子與信息學(xué)報，2016，38（5）：1202-1210.

[3] 車景青，陳京華，胡苗峰，等.大菱鲆（Scophthalmus maximus）魚苗視網(wǎng)膜組織結(jié)構(gòu)與視覺特性[J].漁業(yè)科學(xué)進展，2016，37（2）：25-32.

[4] 李大.高速公路連續(xù)下坡路段線形指標(biāo)與視覺特性關(guān)系研究[J].公路工程，2017，42（3）：90-94.

[5] 張永德，彭景春，劉罡，等.基于水平集的前列腺磁共振圖像分割方法研究[J].儀器儀表學(xué)報，2017，38（2）：416-424.

[6] 劉金平，陳青，張進，等.基于集成學(xué)習(xí)的交互式圖像分割[J].電子學(xué)報，2016，44（7）：1649-1655.