目前图像目标分割技术现状分析

2023-06-28 理论教育版权反馈

【摘要】：早期的图像分割研究主要集中于对狭义图像分割的研究，且并未区分狭义图像分割与目标分割的概念，界定比较模糊。3）图像仅是现实世界的表象。只有随着各学科的综合发展，目标分割才会不断有新的突破。总之，尽管长期以来人们为研究目标分割问题做出了很大努力，但上述原因导致很难实现一种普适的方法，而只能针对特定问题和具体的需求给出合理的解决方法，在处理速度、精度等关键性指标上做出均衡或侧重。

早期的图像分割研究主要集中于对狭义图像分割的研究，且并未区分狭义图像分割与目标分割的概念，界定比较模糊。随着数字图像处理和计算机视觉研究和应用的不断发展，更多的需求强调针对图像中某些具有特定物理、语义意义的兴趣目标的分析处理，使得目标分割技术得到了更广泛的关注和研究。但是，由于图像结构及其内部特征的复杂性、多样性，仅依据诸如图像颜色、梯度、纹理等原始图像特征很难获得反映正确目标和背景区域的分割结果，不得不借助于更高层的先验知识。这些高层先验知识主要是人们对于待分割目标的认识和理解，并通过形式化的方法加入到分割过程，从而使得分割方法能将目标对象与背景分离。

然而，至今仍没有一种统一的理论或通用的方法能对任何情况下的任意目标进行理想的分割，甚至在同一种情况下，都做不到所有方法都能获得好的分割结果。造成这种结果的原因包括客观和主观两个方面。客观原因分析如下：

1）图像获取的途径多样，成像原理、技术手段各异。常见获取数字图像的设备有各式各样的数字摄像机、照相机、扫描仪等；而成像的原理和技术更是各有不同，有激光、红外以及X-射线、超声波、CT（Computer Tomography）、MRI（见图2-4）等。不同的获取途径、成像原理和技术造成了图像的情况多样，质量不一。

图2-4 某右腮腺淋巴瘤MRI图像

2）图像本身结构复杂，内部特征多样。从颜色空间的角度来看，图像可以分为二值图像、灰度图像和彩色图像，而彩色图像又包括RGB、HSI、YUV空间等不下10种，各空间特点不一；从图像空间的角度又可分为普通图像和纹理图像，当图像区域一系列的局部特性是稳定的、缓慢变化或者近似周期的，则该图像区域具有不变的纹理，如图2-5所示，而且，除了对自然场景成像得到的图像之外，还有大量的艺术创作图像，如图2-6所示。

3）图像仅是现实世界的表象。图像仅仅是现实世界在图像平面的成像，由于成像过程中的复杂因素如光照、遮挡、3D到2D的深度信息丢失等所造成图像信息的损失，图像的特征仅仅是真实特征的表象，并不能完全等同于真实目标，即真实特征的差异有时并没有明显的表象差异与之相对应，如目标对象和背景由于对比度降低，而在边界处混淆在一起不易区分；目标对象与背景具有相似的颜色或纹理等情况。因此，很难仅根据简单的图像表象特征，如图像的颜色、纹理、边缘等获得正确的图像目标区域，而不得不借助于更高层的先验知识^［57］。

主观原因分析如下：

1）建立统一的数学模型存在较大困难。由于面临的实际问题不同、分割目的不一，导致图像中的目标对象和背景并非固定不变，而是在不同的需求和应用下具有不同的定义和内容。此外，研究者们自身知识结构的局限也导致无法给出适用所有情况的统一数学模型。

图2-5 纹理图像图例

图2-6 视觉幻象和超现实主义艺术图像(来源：Octavio Ocampo和Salvador Dali)

a）Forever Always b）Apparition of Face and Fruit Dish on a Beach

2）受到相关学科发展的制约。目标分割是多学科交叉的研究领域，受到诸如模式识别、机器学习、数值优化方法等学科的影响，虽然近年来，这些领域均取得了较明显的进步，但离使计算机具备像人脑一样复杂的分析处理能力还有很大的距离。只有随着各学科的综合发展，目标分割才会不断有新的突破。

3）无法给出一致的用户满意度标准。一方面，尚没有对目标分割方法和分割结果真正客观的评价标准，通常只能人为地建立一组有限的实验图像以及其对应的真实分割结果，然后通过实验对比分割方法在该组图像上某几方面的性能；另一方面，由于需求差异以及用户主观方面的原因，也导致即使同样的分割结果在不同的应用背景下，对不同的用户也可能存在完全不同的评价结果。

总之，尽管长期以来人们为研究目标分割问题做出了很大努力，但上述原因导致很难实现一种普适的方法，而只能针对特定问题和具体的需求给出合理的解决方法，在处理速度、精度等关键性指标上做出均衡或侧重。

目前图像目标分割技术现状分析

相关推荐