前言：想要寫出一篇令人眼前一亮的文章嗎？我們特意為您整理了5篇過分水嶺范文，相信會(huì)為您的寫作帶來(lái)幫助，發(fā)現(xiàn)更多的寫作思路和靈感。

過分水嶺范文第1篇

然而這并不值得樂觀。《新興經(jīng)濟(jì)體藍(lán)皮書：金磚國(guó)家發(fā)展報(bào)告（2013）》中顯示，2012年新興市場(chǎng)對(duì)全球經(jīng)濟(jì)增長(zhǎng)的貢獻(xiàn)度達(dá)到75%，僅中國(guó)的貢獻(xiàn)度就達(dá)到三分之一。但是，中國(guó)卻是金磚國(guó)家中唯一一個(gè)服務(wù)業(yè)占比不足50%的國(guó)家。

一些媒體已經(jīng)用上了“中國(guó)后工業(yè)時(shí)代來(lái)臨”這樣的標(biāo)題，這雖然有些言之過早，但需要注意的是，中國(guó)人均GDP已經(jīng)超過6000美元，部分地區(qū)的工業(yè)化確實(shí)已經(jīng)步入中后期，服務(wù)類需求正在上升。可從整體上看，服務(wù)業(yè)的發(fā)展仍然滯后，占GDP的比重距離發(fā)達(dá)國(guó)家60%的平均水平還相距甚遠(yuǎn)。除了公共服務(wù)以外，人們一般習(xí)慣于將服務(wù)業(yè)劃分為兩類：一是生產(chǎn)，包括金融、保險(xiǎn)、法律、信息和咨詢、廣告和市場(chǎng)研究等，指為生產(chǎn)和商務(wù)活動(dòng)提供的服務(wù)，它體現(xiàn)為被服務(wù)企業(yè)的生產(chǎn)成本；二是消費(fèi)，包括零售、餐飲、旅游、關(guān)愛體驗(yàn)等，是直接為消費(fèi)者提供的服務(wù)。

無(wú)論是生產(chǎn)還是消費(fèi)，專業(yè)化和集中化都是未來(lái)的方向。以德國(guó)為例，德國(guó)的會(huì)展業(yè)位居世界第一位，每年都要舉辦150場(chǎng)以上的國(guó)際展會(huì)，行業(yè)集中程度令人驚嘆，世界10大會(huì)展公司中有6個(gè)來(lái)自德國(guó)，會(huì)展業(yè)也為德國(guó)當(dāng)?shù)氐钠渌?wù)業(yè)創(chuàng)造了更多的機(jī)會(huì)。而瑞士75%的國(guó)民收入來(lái)自服務(wù)業(yè)，發(fā)達(dá)的金融行業(yè)為整個(gè)服務(wù)業(yè)提供了安全穩(wěn)定的環(huán)境，銀行保險(xiǎn)業(yè)占到瑞士GDP的40%之多。

過分水嶺范文第2篇

舉辦一屆有特色、高水平的奧運(yùn)會(huì)，是中國(guó)對(duì)世界的鄭重承諾，也是推動(dòng)中國(guó)經(jīng)濟(jì)發(fā)展的重要機(jī)遇。承辦奧運(yùn)會(huì)帶來(lái)的基礎(chǔ)設(shè)施投資增長(zhǎng)、國(guó)內(nèi)外游客的巨大消費(fèi)需求以及投資者看好中國(guó)經(jīng)濟(jì)的心理預(yù)期，對(duì)中國(guó)經(jīng)濟(jì)持續(xù)較快發(fā)展產(chǎn)生了積極的推動(dòng)作用。自2001年北京申奧成功7年來(lái)，我國(guó)國(guó)內(nèi)生產(chǎn)總值年均增長(zhǎng)10.5%。經(jīng)濟(jì)增長(zhǎng)持續(xù)時(shí)間之長(zhǎng)、運(yùn)行之平穩(wěn)，都是改革開放以來(lái)前所未有的。奧運(yùn)會(huì)有力地促進(jìn)了中國(guó)進(jìn)一步深化開放和走向世界，推動(dòng)中國(guó)經(jīng)濟(jì)在更廣更深層次上融入世界。

2008年是北京奧運(yùn)會(huì)舉辦之年，也是中國(guó)經(jīng)濟(jì)發(fā)展進(jìn)入新一輪周期性調(diào)整之年。進(jìn)入后奧運(yùn)時(shí)期，上述因奧運(yùn)帶動(dòng)的經(jīng)濟(jì)發(fā)展利好因素會(huì)減弱甚至在短期內(nèi)消失，中國(guó)經(jīng)濟(jì)是否會(huì)走“下坡路”？國(guó)家發(fā)改委宏觀經(jīng)濟(jì)研究院副院長(zhǎng)王一鳴認(rèn)為，城市化、基礎(chǔ)設(shè)施建設(shè)投資規(guī)模巨大、居民消費(fèi)結(jié)構(gòu)升級(jí)、勞動(dòng)生產(chǎn)率提高以及積極主動(dòng)參與經(jīng)濟(jì)全球化，是過去幾年支撐我國(guó)經(jīng)濟(jì)發(fā)展的基本動(dòng)力，這些基本動(dòng)力不會(huì)因?yàn)閵W運(yùn)會(huì)結(jié)束而發(fā)生變化，“后奧運(yùn)效應(yīng)”不會(huì)影響中國(guó)經(jīng)濟(jì)發(fā)展的基本面。

同時(shí)，中國(guó)目前已發(fā)展成為世界第四大經(jīng)濟(jì)體。奧運(yùn)對(duì)北京經(jīng)濟(jì)增長(zhǎng)貢獻(xiàn)明顯，但北京市經(jīng)濟(jì)總量?jī)H占全國(guó)的3.6%。奧運(yùn)會(huì)場(chǎng)館建設(shè)和基礎(chǔ)設(shè)施投資約3000億元，按奧運(yùn)投入期4年分?jǐn)偅骄磕?50億元，僅占我國(guó)過去4年當(dāng)年全社會(huì)固定資產(chǎn)投資的0.55%―1.06%。奧運(yùn)會(huì)帶來(lái)的經(jīng)濟(jì)和投資增量在中國(guó)經(jīng)濟(jì)和投資總量中的比重很小，奧運(yùn)不會(huì)成為中國(guó)經(jīng)濟(jì)發(fā)展的分水嶺。

如何積極放大奧運(yùn)會(huì)對(duì)經(jīng)濟(jì)發(fā)展的正面影響？王一鳴建議，一是要有效發(fā)揮奧運(yùn)場(chǎng)館和關(guān)聯(lián)基礎(chǔ)設(shè)施的作用，降低體育場(chǎng)館利用不足帶來(lái)的資源閑置和浪費(fèi)，進(jìn)一步推進(jìn)城市軌道交通等基礎(chǔ)設(shè)施建設(shè)，提高網(wǎng)絡(luò)化程度，為提升百姓生活品質(zhì)服務(wù)。二是要積極推廣“綠色奧運(yùn)、科技奧運(yùn)、人文奧運(yùn)”理念，加大環(huán)保和生態(tài)建設(shè)投入，推動(dòng)科技進(jìn)步和創(chuàng)新，促進(jìn)經(jīng)濟(jì)發(fā)展方式轉(zhuǎn)變。三是要充分利用奧運(yùn)會(huì)對(duì)現(xiàn)代服務(wù)業(yè)的帶動(dòng)效應(yīng)，引導(dǎo)金融保險(xiǎn)、商務(wù)服務(wù)、現(xiàn)代流通、信息傳輸、房地產(chǎn)、旅游會(huì)展和文化體育等服務(wù)業(yè)發(fā)展，推動(dòng)產(chǎn)業(yè)結(jié)構(gòu)調(diào)整升級(jí)。四是要積極擴(kuò)展奧運(yùn)主辦和協(xié)辦城市的輻射帶動(dòng)效應(yīng)，推動(dòng)區(qū)域經(jīng)濟(jì)發(fā)展。五是要充分發(fā)揮舉辦奧運(yùn)會(huì)帶來(lái)的精神財(cái)富和品牌效應(yīng)，進(jìn)一步挖掘中國(guó)文化底蘊(yùn)，豐富城市人文內(nèi)涵，提升城市品牌價(jià)值，提升我國(guó)的國(guó)際形象。

過分水嶺范文第3篇

1基于脊線的層級(jí)分水嶺算法本算法核心是一種利用分水嶺算法本身的多級(jí)迭代算法，圖1所示為算法流程框圖。待處理圖像輸入后，經(jīng)過四個(gè)步驟，即可輸出結(jié)果。各步驟說明如下：（1）預(yù)處理：降低噪聲，平滑圖像。（2）生成脊線：生成可供再分割區(qū)域邊界脊線。為了實(shí)現(xiàn)基于脊線的多級(jí)分割，本文算法要求該步驟生成的脊線必需滿足2個(gè)條件：（a）區(qū)域一定有封閉完整的邊界脊線，不允許存在無(wú)脊線分割的相鄰區(qū)域；（b）脊線寬度為1個(gè)像素，不能有冗余。本文利用了一種改進(jìn)的V.S.泛洪分水嶺算法來(lái)生產(chǎn)這些脊線。（3）基于脊線的多層級(jí)再分割：將已獲得的積水盆區(qū)視為透明區(qū)，根據(jù)給定的“泛洪”規(guī)則，僅對(duì)已知脊線進(jìn)行另一種改進(jìn)的V.S.泛洪分水嶺算法來(lái)生成新的脊線，以實(shí)現(xiàn)多層級(jí)再分割。（4）判斷是否達(dá)到分割目標(biāo)：根據(jù)一定判據(jù)，判斷分割是否達(dá)到目的。是則停止分割，輸出結(jié)果，當(dāng)前已獲得的脊線即為所得分水嶺；否則利用當(dāng)前脊線，再重復(fù)步驟（3），直到滿足分割目標(biāo)為止。

下文重點(diǎn)描述步驟（2）和步驟（3），也即本文算法核心所在。

1.1生成脊線為了在后續(xù)分水嶺算法的再分割中，僅利用已知的脊線信息，本文算法要求本步驟生成的脊線必須足夠完整。生產(chǎn)脊線有多種算法，一種方法是通過邊界提取算子，如羅伯特（Robert）算子，但不能確保脊線一定出現(xiàn)在邊界處。考慮V.S.分水嶺算法本身的優(yōu)點(diǎn)，經(jīng)過適當(dāng)?shù)母倪M(jìn)，即可實(shí)現(xiàn)：在泛洪生成區(qū)域的過程中，同步生成完整的脊線。下文將此改進(jìn)算法簡(jiǎn)稱為分水嶺“改進(jìn)算法A”。V.S.分水嶺算法[2]可以分為兩個(gè)過程：排序和浸沒。排序可得到待處理圖像的最小像素值hmin和最大值像素值hmax。浸沒過程是個(gè)區(qū)域生長(zhǎng)的循環(huán)過程，流程圖如圖2所示，其中，h表示循環(huán)變量。

由于“改進(jìn)算法A”對(duì)浸沒過程中隊(duì)列生長(zhǎng)的嚴(yán)格判斷，可獲得完整非冗余的分水嶺脊線。圖3所示為“改進(jìn)算法A”與V.S.原算法的結(jié)果比對(duì)圖，梯度圖通過Sobel算子得出。其中（a）為實(shí)驗(yàn)原圖，（b）、（d）分別為V.S.分水嶺算法與“改進(jìn)算法A”生成區(qū)域圖，（c）、（e）分別為（b）、（d）對(duì)應(yīng)的局部放大圖。在（c）圖方框指示區(qū)中存在相鄰4像素皆為標(biāo)記脊線的情況，即脊線寬度超過了1個(gè)像素；（c）圖中還存在大量脊線斷裂不連續(xù)的現(xiàn)象；而（e）圖中脊線連續(xù)封閉且寬度恒為1個(gè)像素，有效避免了這些現(xiàn)象。

1.2基于脊線的多層級(jí)再分割經(jīng)過“改進(jìn)算法A”，生成了完整的區(qū)域脊線。這些脊線有以下兩個(gè)特點(diǎn)：（1）從形態(tài)看，每一個(gè)分割后的積水盆，都是由脊線包圍的封閉區(qū)域，當(dāng)水充滿每一個(gè)積水盆時(shí)，盆內(nèi)的更精細(xì)的結(jié)構(gòu)將不可見，影響形態(tài)的只有脊線元素。（2）圖像梯度反映了圖像局部的不一致性，分水嶺的脊線，是局部不一致性最強(qiáng)的位置，積水盆內(nèi)部的一致性好于脊線，脊線反映了相鄰區(qū)域的差異。因此，綜合以上因素，為了獲得更大尺度、更寬一致性的區(qū)域，有必要跟蹤已有脊線，僅對(duì)脊線元素，迭代實(shí)施某種分水嶺變換，以達(dá)到所需的區(qū)域分割目標(biāo)為止。此過程即為：基于脊線的多層級(jí)再分割過程，其中迭代變換是一種再次改進(jìn)的V.S.分水嶺算法，本文簡(jiǎn)稱其為分水嶺“改進(jìn)算法B”。“改進(jìn)算法B”對(duì)圖2中的兩個(gè)環(huán)節(jié)做了新的修改，描述如下：（1）搜索像素入隊(duì)列：只搜索分水嶺脊線，當(dāng)脊線領(lǐng)域中具有“新級(jí)別”（大于前一層級(jí)標(biāo)識(shí)最大值）標(biāo)記的像素，將脊線加入隊(duì)列，同時(shí)設(shè)置脊線標(biāo)識(shí)（MASK）。（2）隊(duì)列像素區(qū)域生長(zhǎng)：對(duì)隊(duì)列 中像素進(jìn)行區(qū)域生長(zhǎng)。（a）對(duì)標(biāo)記為MASK的像素作區(qū)域生長(zhǎng)。先確定當(dāng)前像素的標(biāo)記是否為分水嶺，是則停止生長(zhǎng)；否則考慮此像素的領(lǐng)域像素，且僅當(dāng)領(lǐng)域像素標(biāo)記為MASK或“前一級(jí)別”時(shí)，對(duì)領(lǐng)域作基于距離變換的區(qū)域生長(zhǎng)。像素鄰域標(biāo)記類型可能有：前一級(jí)別標(biāo)記、當(dāng)前級(jí)別標(biāo)記、MASK和脊線；（b）對(duì)標(biāo)記為“前一級(jí)別”的像素作區(qū)域生長(zhǎng)。僅當(dāng)領(lǐng)域像素標(biāo)記為MASK或“前一級(jí)別”時(shí)，對(duì)領(lǐng)域作基于距離變換的區(qū)域生長(zhǎng)；（c）對(duì)“前一級(jí)別”鄰域像素的標(biāo)記處理細(xì)節(jié)。可以通過一個(gè)簡(jiǎn)單的區(qū)域映射表來(lái)實(shí)現(xiàn)，即“前一級(jí)標(biāo)記”→“當(dāng)前級(jí)別標(biāo)記”，初始時(shí)每個(gè)表項(xiàng)設(shè)為無(wú)效標(biāo)記，如取-1。映射表的作用是保證區(qū)域生長(zhǎng)過程中，“前一級(jí)別”區(qū)域的完整性，另一個(gè)作用是避免同時(shí)查詢、新舊兩張標(biāo)記圖。這個(gè)映射表也是層級(jí)分割輸出的一部分。映射表的實(shí)現(xiàn)可以用一個(gè)數(shù)組即可。

圖4所示為基于脊線的多層級(jí)分割原理示例圖。圖4（a）為分水嶺算法待處理梯度圖的局部。圖4（b）為“改進(jìn)算法A”生成的脊線圖，脊線用虛線表示（下同），生成浸沒區(qū)域?yàn)棰佟D4（c）和（d）是兩級(jí)“改進(jìn)算法B”的處理結(jié)果。對(duì)圖4（b）中脊線進(jìn)行“改進(jìn)算法B”的分水嶺變換，將會(huì)繼續(xù)浸沒產(chǎn)生圖4（c）中②區(qū)，生成如圖4（c）所示新脊線。對(duì)圖4（c）中脊線進(jìn)行“改進(jìn)算法B”，將會(huì)繼續(xù)浸沒產(chǎn)生圖4（d）中③區(qū)，生成如圖4（d）所示新脊線。之后，需要根據(jù)整張圖像的情況和采用的判據(jù)，進(jìn)行更多級(jí)別的再分割，達(dá)到分割目標(biāo)即可結(jié)束。

1.3多層級(jí)分割判據(jù)如果對(duì)基于脊線的多層級(jí)分割過程不加限制，將出現(xiàn)“過合并”現(xiàn)象。在實(shí)際應(yīng)用中，需要用合適的判據(jù)方法來(lái)減少“過合并”現(xiàn)象。本文采用判據(jù)方法為：自適應(yīng)調(diào)整脊線閾值法。由兩部分實(shí)現(xiàn)：（1）自適應(yīng)更新脊線值：計(jì)算區(qū)域的平均灰度，將區(qū)域脊線值更新為相鄰區(qū)域灰度均值差的最大值。（2）區(qū)域分類：區(qū)域脊線的最大值為vmax，取一閾值vthred，判斷兩者關(guān)系：對(duì)滿足vmax>vthred區(qū)域不作處理，直接進(jìn)入下一級(jí)分割；對(duì)其它區(qū)域，進(jìn)行浸沒計(jì)算。vthred計(jì)算方法為：對(duì)經(jīng)“改進(jìn)算法A”獲得的區(qū)域脊線圖，僅考慮脊線值，非脊線像素置0，進(jìn)行基于最大類間方差法[20]二值化，計(jì)算而來(lái)的分割閾值。2實(shí)驗(yàn)結(jié)果與分析按照?qǐng)D1所示流程圖，本文對(duì)Berkeley數(shù)據(jù)庫(kù)彩色圖像及工程實(shí)用電纜截面圖像進(jìn)行了基于脊線的層次分水嶺分割。實(shí)驗(yàn)顯示：本文算法可以處理部分圖像的過分割現(xiàn)象，且處理速度較快。

2.1實(shí)驗(yàn)過程本文算法經(jīng)預(yù)處理階段后生成梯度圖，不同圖像可以選擇不同的梯度圖生成方式。然后對(duì)梯度圖作邊界2個(gè)像素的延拓。對(duì)此梯度圖進(jìn)行分水嶺“改進(jìn)算法A”生成初始脊線。隨后，對(duì)脊線進(jìn)行分水嶺“改進(jìn)算法B”、自適應(yīng)調(diào)整脊線閾值相結(jié)合的多層級(jí)再分割過程，即可完成最后分割。不同的圖像，再分割的級(jí)數(shù)不同。

2.2分割結(jié)果與分析本文選取的測(cè)試實(shí)驗(yàn)圖像有兩類：Berkeley數(shù)據(jù)庫(kù)的彩色圖像；工程用電纜絕緣切片灰度圖像。此兩類圖像的多級(jí)分割實(shí)驗(yàn)為實(shí)驗(yàn)一和實(shí)驗(yàn)二，實(shí)驗(yàn)過程圖如圖5、圖6所示。二者都按灰度圖像處理，梯度圖獲取方式都為Sobel梯度算子。在實(shí)驗(yàn)一和驗(yàn)二中，第一張圖為原始圖像，其它為多級(jí)分割的各級(jí)區(qū)域脊線圖，脊線用實(shí)線表示，區(qū)域透明，多級(jí)分割的級(jí)別用n表示。n=1表示“改進(jìn)算法A”獲取的區(qū)域脊線圖，n>2表示“改進(jìn)算法B”獲取的區(qū)域脊線圖。n=7表示最后分割結(jié)果圖。

從實(shí)驗(yàn)一、二中可以看出，隨著分割級(jí)數(shù)的增加，區(qū)域數(shù)量逐漸減小，灰度相似的小區(qū)域逐漸向同一個(gè)大區(qū)域合并，基本完成不同灰度區(qū)域的分割。實(shí)驗(yàn)一最后一級(jí)將鷹樹枝分割在同一區(qū)域中，天空被樹枝分割為6個(gè)區(qū)域，在圖中用①～⑥標(biāo)號(hào)表示。實(shí)驗(yàn)二最后一級(jí)將電纜絕緣切片圖像主要分為三個(gè)區(qū)域：絕緣層內(nèi)、絕緣層、絕緣層外。圖7所示為更多的多級(jí)分割實(shí)驗(yàn)圖，第一行為原始圖像，第二行為對(duì)應(yīng)的多級(jí)分割最后結(jié)果圖。第一列基本實(shí)現(xiàn)天空、樹木山坡的分割。第二列將花葉、花盆、花盆中土、背景基本分離開來(lái)了。第三、四、五列實(shí)現(xiàn)了電纜絕緣層、層內(nèi)外背景的分離，且第五列同時(shí)實(shí)現(xiàn)了兩個(gè)絕緣層的單獨(dú)分割。

3結(jié)論本文針對(duì)傳統(tǒng)V.S.分水嶺分割算法中存在的過分割現(xiàn)象進(jìn)行了分析，考慮分水嶺算法本身的優(yōu)點(diǎn)，提出了一種基于脊線的層次分水嶺算法。通過分水嶺“改進(jìn)算法A”提取了完整非冗余的區(qū)域脊線，自適應(yīng)調(diào)整脊線閾值，對(duì)脊線進(jìn)行分水嶺“改進(jìn)算法B”多層級(jí)再分割，取得了不錯(cuò)的實(shí)驗(yàn)結(jié)果。從對(duì)部分彩色圖和工程圖的實(shí)驗(yàn)中看出：本文算法可以有效避免過分割現(xiàn)象，對(duì)不同顯著區(qū)域能有有效分割。在層級(jí)迭代過程，本文算法只處理脊線，計(jì)算量大大降低，達(dá)到與傳統(tǒng)V.S.分水嶺算法相當(dāng)?shù)奶幚硭俣龋且环N快速的分水嶺改進(jìn)算法。同時(shí)，在預(yù)處理方法、多級(jí)迭代停止條件等方面，本文算法仍存在著優(yōu)化空間。

參考文獻(xiàn)：

.International Journal of Image Processing，2011，5（5）：521-541.

.IEEE Transactions on Pattern Analysis and Machine Intelligence，1991，13（6）：583- 598.

.SPIE Image and Video Communications and Processing，2000，3974：759-766.

[4]刁智華，趙春江，郭新宇，等.分水嶺算法的改進(jìn)方法研究[J].計(jì)算機(jī)工程，2010，36（17）：4-6.

[5]盧官明.一種計(jì)算圖學(xué)形態(tài)梯度的多尺度算法[J].中國(guó)圖象圖形學(xué)報(bào)，2001，6A（3）：214-218.

[6]焦斌亮，胡永剛.基于變尺度形態(tài)學(xué)的遙感圖像邊緣檢測(cè)算法[J].光學(xué)儀器，2005，27（4）：13-17.

[7]孫衛(wèi)芳，段智勇，朱仲杰.結(jié)合JSEG與分水嶺方法的彩色圖像分割[J].計(jì)算機(jī)工程與應(yīng)用，2010，46（21）： 185-187.

[8]沈晶，楊學(xué)志.一種新的邊緣保持分水嶺的圖像分割算法[J].工程圖學(xué)學(xué)報(bào)，2009（5）：80-88.

[9]吳昊，劉正熙，羅以寧，等.改進(jìn)多尺度分水嶺算法在醫(yī)學(xué)圖像分割中的應(yīng)用研究[J].計(jì)算機(jī)應(yīng)用，2006，26（6）：1975-1979.

[10]余旺盛，侯志強(qiáng)，宋建軍.基于標(biāo)記分水嶺和區(qū)域合并的彩色圖像分割[J].電子學(xué)報(bào)，2011，39（5）：1007-1012.

.電子測(cè)量與儀器學(xué)報(bào)，2011，25（6）：516-512.

過分水嶺范文第4篇

【關(guān)鍵詞】圖像分割；小波變換；數(shù)字形態(tài)學(xué)

1.引言

圖像分割是按照一定的規(guī)則把圖像劃分成有一些明顯的支付目標(biāo)性質(zhì)的區(qū)域。一些提取的圖像經(jīng)過進(jìn)一步的分析和處理所得到的圖像分割結(jié)果是圖像理解和圖像特征提取的基礎(chǔ)。聚焦圖像分割和對(duì)圖像分割中的數(shù)字圖像處理技術(shù)進(jìn)行研究可以進(jìn)行隨后的圖像分析，用來(lái)確定用較少的數(shù)據(jù)來(lái)高級(jí)別處理，同時(shí)也保留了圖像在不同的圖像分割地區(qū)也有其他名稱，如物體輪廓技術(shù)指標(biāo)檢測(cè)技術(shù)門檻目標(biāo)跟蹤技術(shù)，這些技術(shù)本身或它的核心實(shí)際上是圖像分割[1]。

2.基于小波變換與數(shù)學(xué)形態(tài)學(xué)相結(jié)合的圖像分割算法

直接在原圖像的梯度圖像上運(yùn)用傳統(tǒng)的分水嶺算法進(jìn)行分割圖像，會(huì)造成嚴(yán)重的過分分割問題，而這是我們不情愿看到的結(jié)果。為了抑制過分分割，減少分割后的小區(qū)域，可以在分水嶺分割后，合并過多無(wú)意的小區(qū)域[2]，但是合并準(zhǔn)則的選擇和確定一般比較困難，合并算法比較復(fù)雜，計(jì)算量大，為了避免這些復(fù)雜的合并處理，在分水嶺分割之前，可以對(duì)圖像進(jìn)行綜合的預(yù)處理，減少噪聲和細(xì)密紋理對(duì)分割的影響。

實(shí)際上有意義的分割需要滿足下面四個(gè)條件[3]：一、區(qū)域不能太小即區(qū)域內(nèi)要包含一定數(shù)量的像素；二、一個(gè)圖像需要分成個(gè)數(shù)極少的幾個(gè)區(qū)域；三、區(qū)域與區(qū)域間的公共邊界盡量要平滑簡(jiǎn)單；四、同一區(qū)域內(nèi)的象素要具有相似的或一致的性質(zhì)。

根據(jù)上面四個(gè)要求，文中研究了一種結(jié)合小波變換和數(shù)學(xué)形態(tài)學(xué)的分水嶺算法，此算法的主要思想是用小波變換法，接著再利用形態(tài)學(xué)中的開閉重建運(yùn)算，來(lái)刪除梯度圖像中因?yàn)樵肼曇鹋c灰度非規(guī)則擾動(dòng)的局部的極值；接著采用基于前景與背景的分水嶺分割算法來(lái)進(jìn)行分割。此方法基本包含四個(gè)主要的算法：一、小波去噪，二、形態(tài)學(xué)開閉重建濾波，三、標(biāo)記提取，四、分水嶺分割。

3.實(shí)驗(yàn)結(jié)果及仿真

首先求出原始圖像對(duì)應(yīng)的灰度圖像，再得到膨脹后的圖像，膨脹是根據(jù)結(jié)構(gòu)元素對(duì)圖像補(bǔ)集進(jìn)行填充，因而它表示對(duì)圖像外部濾波處理。還需要得到腐蝕后的圖像，腐蝕是一種消除邊界點(diǎn)，使邊界向內(nèi)部收縮的過程。可以用來(lái)消除小且無(wú)意義的物體。圖1是利用結(jié)構(gòu)元素對(duì)圖像做閉運(yùn)算，可以填充目標(biāo)內(nèi)部狹窄的裂縫和長(zhǎng)細(xì)的窄溝，消去小的孔洞。圖2是開運(yùn)算可以用來(lái)分解圖像，抽取圖像中有意義且獨(dú)立的圖像元。由圖3，4對(duì)比可知開閉重建運(yùn)算比開閉運(yùn)算更有效的去除圖像中的微小噪聲和細(xì)密紋理，而且保留了目標(biāo)的輪廓特征。

4.結(jié)論

通過實(shí)驗(yàn)分析可以得到下面的結(jié)論：文中研究了一種基于小波變換與分水嶺變換的圖像分割方法，此方法中，需要在分割之前對(duì)圖像先小波變換來(lái)去噪，再求其梯度圖像，并進(jìn)行形態(tài)學(xué)的重建，標(biāo)記前景和背景等預(yù)處理，這樣可以有效的減少圖像的細(xì)密紋理和噪聲，并可以減小過分割區(qū)域和積水盆的數(shù)量，最后得到的分割結(jié)果具有精確連續(xù)的邊緣與相當(dāng)完整的輪廓，得到的區(qū)域閉合性較好，就不需要對(duì)分割后的圖像再進(jìn)行復(fù)雜合并處理，也可以獲得有意義的分割，這種方法課有效的解決了傳統(tǒng)算法中存在的對(duì)細(xì)密紋理和噪聲過度敏感、過分割等問題，有效地避免了分割后處理。

參考文獻(xiàn)

[1]陳武凡.小波分析及其在圖像處理中的應(yīng)用[M].北京：科學(xué)出版社，2002：45-49.

過分水嶺范文第5篇

【關(guān)鍵詞】車輛檢測(cè)；視頻監(jiān)控；目標(biāo)跟蹤；數(shù)據(jù)關(guān)聯(lián)；分水嶺算法

1.引言

多運(yùn)行車輛目標(biāo)跟蹤應(yīng)用廣泛，特別是在視頻監(jiān)控方面，很多專家學(xué)者對(duì)其進(jìn)行了廣泛的研究，提出了很多車輛檢測(cè)與跟蹤的算法。[4]中在視頻跟蹤時(shí)，通過Marr小波概率核函數(shù)生成靜態(tài)背景，運(yùn)動(dòng)跟蹤采用SI_P粒子濾波算法，但是背景得不到及時(shí)更新。[5]利用Kalman濾波思想對(duì)運(yùn)動(dòng)目標(biāo)的前時(shí)刻狀態(tài)信息進(jìn)行預(yù)測(cè)，但是在預(yù)測(cè)中容易受到噪聲的影響。針對(duì)上述情況，利用改進(jìn)的分水嶺算法能夠準(zhǔn)確地分割圖像，同時(shí)利用分割后的圖像采用數(shù)據(jù)關(guān)聯(lián)方法進(jìn)行跟蹤。

2.運(yùn)動(dòng)車輛的檢測(cè)

2.1 分水嶺算法

分水嶺是一種典型的地形面貌，長(zhǎng)時(shí)間被認(rèn)為是圖像分割中的有用工具。它是數(shù)學(xué)形態(tài)學(xué)的概念，并且在原始的算法上已經(jīng)做了很多的修改和完善。目前，有效的分水嶺算法的發(fā)展仍然受到重視。在地形中，我們把可視化的3D圖像中在每個(gè)點(diǎn)上的灰度值代表高度或者是這個(gè)點(diǎn)的海拔高度。分水嶺的思想是很簡(jiǎn)單的，可以通過地形特征進(jìn)行解釋。眾所終知，在處理圖像的地表特征時(shí)，把它視為一種景觀，如果把這種景觀侵入水時(shí)，圖像中的區(qū)域就會(huì)被水填充。這種淹沒過程是從最小的灰度值開始，當(dāng)在某一個(gè)時(shí)刻，水位達(dá)到灰度值的最大高度時(shí)，兩個(gè)或更多的集水盆就會(huì)開始連通。把能夠阻止這種連通的點(diǎn)連成一條線，就會(huì)在來(lái)自不同區(qū)域?qū)⒁B通的地方形成了一個(gè)水壩。當(dāng)水位已經(jīng)達(dá)到最高峰時(shí)，所有的區(qū)域會(huì)被水壩分割開，這些地區(qū)被稱為集水盆地和水壩或線稱為分水嶺，它把輸入的圖像劃分為一組區(qū)域。經(jīng)過分割后，結(jié)合輪廓區(qū)域面積的大小和形狀決定哪個(gè)區(qū)域代表的是運(yùn)動(dòng)車輛。分水嶺算法對(duì)微弱邊緣具有良好的響應(yīng)，是得到封閉連續(xù)邊緣的保證的。另外，分水嶺算法所得到的封閉的集水盆，為分析圖像的區(qū)域特征提供了可能。

2.2 分水嶺的改進(jìn)方法

2.2.1 圖像梯度的計(jì)算

如果對(duì)輸入圖像直接應(yīng)用分水嶺算法，必須進(jìn)行梯度計(jì)算，但通常會(huì)造成過度分割。在這個(gè)工作中先使用“Canny”邊緣檢測(cè)對(duì)于梯度的計(jì)算是一種非常魯棒的方法，并且產(chǎn)生封閉輪廓。

2.2.2 獲得掩膜圖像

圖像梯度計(jì)算后，用標(biāo)準(zhǔn)的Vincent-Soille分水嶺算法進(jìn)行分割，獲得了分水嶺線，從而形成了掩膜圖像。利用掩膜圖像減少了在分割結(jié)果中獲得集水盆的個(gè)數(shù)。

2.2.3 分割階段

經(jīng)過上面的處理后，在掩膜圖像上利用淹沒原理進(jìn)行了分水嶺分割，這種分割是基于集水盆地技術(shù)。在這個(gè)被水侵入的地表圖像中，水是從圖像的最小點(diǎn)開始上升；在地表的灰度圖像中，像素的灰度值代表了在這個(gè)點(diǎn)的高度。當(dāng)水流達(dá)到最高點(diǎn)時(shí)就停止，這樣就形成了阻止水匯合的一條壩，這個(gè)壩就是分水嶺，它把輸入圖像進(jìn)行了完全劃分，形成了一系列區(qū)域，如圖2所示。

3.運(yùn)動(dòng)目標(biāo)的跟蹤

3.1 關(guān)聯(lián)矩陣

關(guān)聯(lián)矩陣是多目標(biāo)跟蹤中對(duì)目標(biāo)進(jìn)行觀測(cè)和軌跡進(jìn)行關(guān)聯(lián)的依據(jù)，也是判斷在復(fù)雜場(chǎng)景中一些特殊情況的依據(jù)。常用的關(guān)聯(lián)矩陣有兩種：一種是基于連續(xù)幀中目標(biāo)質(zhì)心間的距離，另一種是目標(biāo)相交區(qū)域的面積。本文在跟蹤過程中結(jié)合了這兩種方法，能夠?qū)δ繕?biāo)遮擋和重疊情況進(jìn)行有效的處理，保證多目標(biāo)跟蹤的準(zhǔn)確性。假設(shè)運(yùn)動(dòng)目標(biāo)在同一時(shí)刻不同時(shí)發(fā)生合并、分裂、消失、新增時(shí)，在連續(xù)幀目標(biāo)數(shù)量不變的情況下采用質(zhì)心距離的關(guān)聯(lián)矩陣；而當(dāng)目標(biāo)數(shù)量發(fā)生變化時(shí)采用基于相交區(qū)域面積的關(guān)聯(lián)矩陣。

3.2 基于關(guān)聯(lián)矩陣的多目標(biāo)跟蹤

多目標(biāo)跟蹤的過程就是為每個(gè)跟蹤目標(biāo)建立目標(biāo)鏈，建立相互對(duì)應(yīng)的關(guān)系，同時(shí)建立相應(yīng)的匹配代價(jià)函數(shù)，來(lái)跟蹤并判斷復(fù)雜情況下的各個(gè)目標(biāo)的運(yùn)動(dòng)情況。

為解決這些問題，本文提出一種新的檢測(cè)和跟蹤多目標(biāo)的算法。算法分為3個(gè)核心部分。

（1）運(yùn)動(dòng)物體的檢測(cè)。根據(jù)前面分水嶺算法提取的輪廓特征，如果輪廓形狀接近于六邊形并且面積大于規(guī)定的最小值，則認(rèn)為該輪廓代表的是需要檢測(cè)運(yùn)動(dòng)目標(biāo)。

（2）每個(gè)運(yùn)動(dòng)物置的預(yù)測(cè)以及運(yùn)動(dòng)模型的建立，本文采用的是Kalman濾波的方法預(yù)測(cè)運(yùn)動(dòng)物體的位置，并在此基礎(chǔ)之上建立相應(yīng)的運(yùn)動(dòng)模型。

（3）關(guān)聯(lián)矩陣和匹配鏈表以及相應(yīng)的判斷，評(píng)價(jià)跟蹤目標(biāo)與前景團(tuán)塊之間的質(zhì)心距離、包圍矩形面積、覆蓋比例等多個(gè)因素更加準(zhǔn)確的視頻中的遮擋重合等情況。關(guān)聯(lián)矩陣和2個(gè)鏈表關(guān)聯(lián)矩陣產(chǎn)生后，可以根據(jù)關(guān)聯(lián)矩陣，生成2個(gè)鏈表：目標(biāo)-區(qū)塊匹配鏈表和區(qū)塊-目標(biāo)匹配鏈表。

在目標(biāo)區(qū)塊匹配鏈表中，匹配的區(qū)塊數(shù)量對(duì)應(yīng)與關(guān)聯(lián)矩陣的行累加值，匹配的區(qū)塊數(shù)組是由關(guān)聯(lián)矩陣中對(duì)應(yīng)行上不為0的元素構(gòu)成。在區(qū)塊-目標(biāo)匹配鏈表中，匹配的目標(biāo)數(shù)量對(duì)應(yīng)于關(guān)聯(lián)矩陣的列累加值。匹配的目標(biāo)數(shù)組由關(guān)聯(lián)矩陣中對(duì)應(yīng)列上不為0的元素構(gòu)成。

4.結(jié)束語(yǔ)

利用基于分水嶺的分割方法，可以較準(zhǔn)確的檢測(cè)出運(yùn)行車輛；運(yùn)動(dòng)跟蹤時(shí)能夠正確地提取運(yùn)動(dòng)目標(biāo)。對(duì)運(yùn)動(dòng)目標(biāo)輪廓采用鏈表法記錄多運(yùn)動(dòng)目標(biāo)之間的數(shù)據(jù)關(guān)聯(lián)，并跟據(jù)質(zhì)心特征進(jìn)行跟蹤，能夠在不同的場(chǎng)景中對(duì)多目標(biāo)進(jìn)行跟蹤并有效地處理了由于遮擋帶來(lái)的目標(biāo)失蹤現(xiàn)象，達(dá)到了預(yù)期目標(biāo)。

參考文獻(xiàn)

[1]黃磊，于曼曼.基于背景差分的運(yùn)動(dòng)目標(biāo)檢測(cè)研究[J].軟件導(dǎo)刊，2009，6：187-189.

[2]詹群峰.基于OpenCV的視頻道路車輛檢測(cè)與跟蹤[D].2009.

[3]楊濤，李靜.一種基于貪心搜索的實(shí)時(shí)多目標(biāo)遮擋處理算法[J].自動(dòng)化學(xué)報(bào)，2010，3：375-384.

[4]高韜，劉正光，張軍.基于交通視頻序列的多運(yùn)動(dòng)目標(biāo)跟蹤算法[J].中南大學(xué)學(xué)報(bào)，2010（6）：1028-1036.

[5]胡宏宇，王殿海.基于視頻監(jiān)控的運(yùn)動(dòng)目標(biāo)跟蹤算法[J].北京工業(yè)大學(xué)學(xué)報(bào)，2010，12：1683-1690.

[6]李志慧，張長(zhǎng)海，曲昭偉，等.交通流視頻檢測(cè)中背景初始化算法研究[J].吉林大學(xué)學(xué)報(bào)（工學(xué)版），2008，38（1）：148-151.

[7]李勁菊，朱青，王耀南.一種復(fù)雜背景下運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤方法[J].儀器儀表學(xué)報(bào)，2010，10：2242-2247.