关键词： 图像处理   图像分割   噪声抑制   小波变换  

摘要： 在图像的研究和应用中，往往只关心图像的某些部分，这些部分称为目标或者前景，一般对应于图像中特定的具有独特性质的区域。在实际应用中为了识别和分析图像中的目标，需要将它们从图像中识别和提取出来，然后对此目标进行分析。图像分割是按照一定准则把图像划分为若干互不相交、具有各自特性的区域并提取出感兴趣目标的技术和过程。图像分割技术是由图像处理转到图像分析的关键步骤。一方面，它是目标图像表达的基础，对特征测量有重要的影响。另一方面，图像分割和分割的目标表达、特征提取和参数测量等将原始图像转为数学表达形式，使得利用计算机进行图像分析和理解成为可能。　　 现实中的图像多数是带有噪声的图像，而图像中的噪声对图像分析的影响非常大，所以为了后续更高层次的处理，很有必要对图像进行去噪预处理。有很多方法可用于图像去噪，如中值滤波，低通滤波等，但它们在对保留图像细节的要求方面不是很好。近年来，小波理论得到了迅速的发展，而且由于其具有良好的时域局部化能力和多分辨率分析能力，因此在图像处理各领域中得到了广泛的应用。数学形态学图像处理已发展成为图像处理的一个重要研究领域，数学形态学通过研究图像的几何特征等来描述对象的特征和对象之间的相互关系。利用数学形态学的基本概念和运算，可以将结构元素灵活的组合、分解，以达到处理和分析图像的目的。　　 分水岭(Watershed)变换是一种数学形态学图像分割方法，它可以得到精确的边缘，即连续、封闭、单像素宽的边缘。它的主要缺点是对噪声十分敏感，很弱的噪声会造成严重的过分割现象，导致分割结果出现大量的零散区域。为此，提出一种基于小波变换和数学形态学的图像分割算法。该算法首先利用小波变换去除红外图像的混合噪声，然后在形态学梯度图像基础上，利用形态学开闭重建运算消除梯度图像中由于灰度非规则扰动和噪声引起的局部极值，最后通过采用基于前景和背景标记的分水岭分割算法进行分割。实验表明新算法可以实现更好的分割效果，不需要再进行后续复杂的合并处理就能够得到较为理想的分割结果。