一种基于数据场的图像分割方法与研究

邓惠俊

（万博科技职业学院计算机科学技术系，合肥230031）

一种基于数据场的图像分割方法与研究

邓惠俊

（万博科技职业学院计算机科学技术系，合肥230031）

首先对数据场的基本原理进行了简要的概述，并着重介绍了一种基于数据场的图像分割技术，该技术的运用可使得传统的图像分割实现可视化效果，最后从定性和定量的角度对图像分割后的效果进行分析，论证了该分割技术的有效性以及可行性。

数据场；图像分割技术；可视化

0 引言

在图像处理领域，有一个公认的难题，那便是图像分割问题。生活中，我们经常会遇到将图像进行自动化处理的问题，在这个过程中最重要的环节便是图像分割，这是理解并分析图像的基础，同时也是整个处理过程的前提条件。图像分割技术所涉及的主要内容就是将现有图片进行分割，分成若干区域后提取用户所需的内容，分割的依据为图像特征。图像分割之所以能够成立［1］，是因为它主要是利用了像素所具有的不连续性以及相似性等特性，在某一图像区域中，其本身的像素在各个区间是不连续的但又是相似的，因此可以达到分割的目的。

在传统的图像分割方法中，有一类较为简单但又不失效率的方法，那便是图像阈值分割法。该方法的应用有一个假设条件，即假设图像由欲提取目标和其背景组合而成，有了该假设之后，便可以根据像素的灰度值来设置一个分界点，将属于目标和属于背景的像素分割开，如此便可轻松提取所需目标［2］。

另外，在实际分割中，还有一类相对通用的方法，即最大类间方差法。图像分割向来是一个介于局部与全局之间的两难问题，因为这需要充分利用局部的空间信息来进行有效的全局分割，且不失算法效率。因此，最大类间方差法在执行时需要对图像进行阈值化，然而阈值化过程具有不明确、不肯定以及不稳定等缺点，所以我们需要积极地引入更加有效的方法以降低图像分割中的不确定性。

1 数据场概述

在物理学领域中，往往会涉及到均匀或不均匀分布于某一空间区域的物理量，我们通常将其描述为“场”，如电场、磁场以及引力场等等。物理中通常将其大致分为矢量场和标量场两种类型，场的具体属性可表述为以某一空间坐标为自变量的矢量函数和标量函数。在“场”内，物质粒子之间在不接触的情况下仍然可以相互作用。到目前为止，物理学家已经发现了4种“场”，即弱相互作用场、强相互作用场、电磁场以及万有引力场。通常来说，物质粒子之间之所以会产生相互作用，主要是因为它们之间存在“场”的缘故［3］。

在标量场中，势场是极具代表性的类型之一，具体来说，它是一种质点位置的函数表达式。我们在物理学中会将势函数描述为在空间位置中分布的等势面和等势线，比如等温面和等高线。如果将这种“场”的概念运用到数域空间中，便可将数域空间中的每一个数据点都看作为一个质点，那么其周围必定会存在一个作用场，该作用场的存在会直接影响到该数域内的每一个数据对象，所以我们可以将该数域空间直接看作一个数据场。

2 基于数据场的图像分割技术

本节主要介绍基于数据场的图像分割技术的大体步骤：1）依据数据场理论的知识，来确定数据场内每一像素点的具体势值，并以此生成该图像的数据场；2）按照该图像数据场内的各数据点势值来确定像素阈值，从而对图像进行分割。

2．1 图像数据场的生成

生成图像数据场的核心功能便是计算数据场中每一个像素点在该场中的势值。当我们知道了势函数的计算公式，计算势值便不是难事，但是在计算时仍然有许多其他因素对其计算结果产生影响。比如在计算势值时，数据场中的影响因子对于势值的计算结果影响很大，此外，势线间距也会直接影响到等势线的分布问题。

数据场中等势线的多少是由势间距直接决定的，如果场中势间距越小，那么相应的等势线就会增多，数据之间由于距离而产生的相互影响的变化便会越模糊，且数据所对应的二维实体之间的相互关联信息也会越清晰具体；相反，随着势间距的逐渐增大，对应等势线就会逐渐减少，数据之间由于距离而产生的相互影响的变化就会逐渐清晰，那么数据所对应的二维实体之间的相互关联信息就会变得模糊不清。因此，在确定图像数据场时，需要从多方面考虑影响因素，通过不同影响因子与不同势间距的相互组合来观察生成的数据场，并综合考虑选出最能反映该图像像素信息特征的最优的数据场［4］。

通过对实验数据结果进行分析后发现，某些图像中会存在灰度较低的像素，该类像素在图像数据场中很难被正确清晰地显示出来。因此，这一发现可以让人们利用数据场分析方法来达到提取图像主要特征的目的。

传统的方法中，人们常常直接把图像的灰度值作为数据质量的评判标准，在此基础上经不断演化过后，可采用非线性变化的方式作用于图像上的每一个像素点，将图像灰度值对应的像素矩阵设为ρ（x，y），并将M设为最大灰度值，然后数据点对象的质量便可以使用式（M－ρ（x，y）2）来表示，并将其代入表示图形数据场的势函数表达式，最后求解方程式，得出各点的势函数值，并以此为依据将图像的数据场绘制出来。根据各种实验对比数据来看，通过非线性变化的方法所绘制而成的图像数据场具有更好的表达效果，能清晰展现图像数据场内各个像素之间的相互作用，这些因素为可视化分割的实现提供了必要条件［5］。

2．2 根据图像数据场设置阈值进行图像分割

传统的阈值分割方法中，人们通常仅仅把像素的灰度值或者二维灰度值作为阈值分割的基本依据，而并没有将像素点所存在的空间位置以及其他相关信息（比如图像的边缘信息等）考虑在内，因此，此种传统方法只有在简单计算中具有一定的效果，例如分割一些对分割质量要求不高、并且仅仅简单地将图像分为背景和目标的图像问题。然而对于一些细节很多、组成结构较为复杂的图像，或者是图像内部的灰度值差异不明显，亦或是各个区域的灰度值范围具有非常明显的相互重叠的现象等图像，则很难通过传统的阈值分割方法来达到理想的效果。

基于数据场的图像分割方法是由传统阈值分割方法慢慢演化而成的，它弥补了传统方法的不足，能够让图像分割具有更好的效果。该方法通过分析整个图像数据场所反映出的基本信息，并根据等势线的特性来将图像进行分割，实现了图像分割的可视化。要实现该种方法的第一步便是计算出图像内每一个像素点所对应的势值，并根据这些势值绘制出相应的图像数据场。等势线具有一个十分明显的特点，即抱团性。因此，我们可以将不同区域等势线的分布特性作为依据，可视化地去进行阈值的设置，然后用相同的灰度值来表示具有相同势值的范围域，从而来完成图像的分割任务。上述步骤进行过程中需要注意一些问题，比如在阈值的设置过程中，如需将某些像素灰度值较低的特征区域单独抽取出来，那么只需将这些特征区域的势值单独设为一阈值，如此便可以在图像分割之后将这些特征区域有效地显现出来并将之提取。

3 实验与结果分析

如图1所示，为分别采用两种不同方法进行图形分割的情况。此处从定量角度以及定性角度分别对图像分割的效果进行了相应地分析。首先，从定量的角度去分析，计算比较出两种不同分割方法的误分率，我们能够发现采用数据场分割方法的误分率明显小于K均值法的误分率，所以基于数据场的图像分割方法具有更高的分割质量和效果。采用定性的角度分析时，通过对两种分割方法的比较，会发现在某些像素灰度值比较低的特征区域（如裤子的褶皱处、人的手部、房屋等等）同K均值的图像分割方法相比，基于数据场的图像分割法得到的结果更为良好［6］。

根据上述比较分析可知，该方法在保证图像清晰度以及寻求总体与部分的平衡等方面都存在诸多不足，因为其并未考虑到图像分割的随机性以及模糊性，从而导致对于不确定的问题缺乏相应的处理能力，以至于分割结果与图像本身所具有的特性并不相符。对于此种问题，笔者在文中引入了数据场的理论来弥补上述缺点，因为数据场对于图像的局部信息能够进行充分考虑与补充，以此来获得阈值的分割结果。为了验证该方法的高效性，笔者专门对比了一系列图像的阈值分割化结果，并根据图像分割质量指标来对其进行考核，最后经过验证得出基于数据场的分割方法是一种切实有效的图像分割手段。

图1 图像分割效果比较（左为K均值分割，右为数据场分割）

4 结语

本文以数据场为理论核心知识点，并对其原理慢慢展开，深入分析了二维数域空间中的任意两个或多个像素点之间的相互作用，并以此绘制出图像数据场，提出了基于数据场对图像进行分割的观点。在数据场内，通过选择恰当的影响因子，来对不同像素点所对应的势值进行计算，并绘制出各个像素点的空间位置分布，可完整地反映其内在特性，然后将不同范围的势值设置一个与其相对应的阈值，从而实现图像分割。虽然此种方法现阶段得到了广泛的应用，但其本身仍具有一些缺点，如计算的效率不高、效果不保证全部良好等，所以有待进一步发展完善。

［1］贾永红．计算机图像处理与分析［M］．武汉：武汉大学出版社，2001．

［2］李德毅，杜鹢．不确定人工智能［M］．北京：国防工业出版社，2005：193－217．

［3］王树良．基于数据场与云模型的空间数据挖掘和知识发现［D］．武汉：武汉大学，2002．

［4］吕辉军．基于数据场的人脸识别研究［D］．南京：解放军理工大学，2002．

［5］Hotelling H．Relations between two sets of variates［J］．Biometrika，1936，28（3）：321－377．

［6］Chaudhuri K，Kakade S M，Livescu K，et al．Multi－view clustering via canonical correlation analysis［C］／／Proceedings of the 26th International Conference on Machine Learning．Montreal，Canada：ICML，2009：129－136．

［7］Olcay K，Ethem A，Oleg V F．Canonical correlation analy－sis using within－class coupling［J］．Pattern Recog nition Letters，2011，32（2）：134－122．

A Method And Research of Image Segmentation Based on Data Field

DENG Hui－jun
（Department of Computer Science and Technology，Wanbo Institute of Science ＆Technology，Hefei 230031，China）

Firstly the basic principle to the data field has been briefly overviewed．Then a kind of image segmentation technology based on the field data has been emphatically introduced．The use of this technology can implement the visualization effect of the traditional image segmentation．Finally the effect after the image segmentation has been analyzed from the perspective of qualitative aspect and quantitative aspect．The effectiveness and feasibility of the segmentation technology has been demonstrated．

data field；image segmentation technology；visualization；effectiveness；feasibility

TP391．41

A

1009－8984（2016）02－0092－03

10．3969／j．issn．1009－8984．2016．02．023

2016－05－04

安徽省高等学校自然科学研究项目（KJ2016A751）

邓惠俊（1978－），女（汉），安徽无为，讲师主要研究计算机辅助设计，网络安全。