3.6　基于小波的图像分割方法

小波变换是近年来在图像处理中很受重视的新技术，如图像压缩、特征检测和纹理分析等领域出现的许多新方法，如多分辨率分析、时频分析、金字塔算法等，都可以归入小波变换的范畴之中。

小波分析在图像分割中的应用主要是利用小波变换检测出图像的边缘点，再按一定的策略将其连接成轮廓，从而实现分割图像的目标。小波分析的主要步骤就是检测图像的边缘点。一般而言，边缘是图像中灰度级的不连续点，具有奇异性，经过小波变换可以获得基于小波的多尺度特征，再利用小波分析的局部化特征，可以获得不同尺度下的邻域特征；然后根据这些小波特征进行模式分类从而达到分割图像的目的。此外，利用小波分解后的高频信息，还可以获得在不同尺度下的图像边缘特征，给多尺度边缘检测提供了新的思路。

目前，基于小波分析的图像分割方法可以分为两类：第一类，基于滤波器尺度的多尺度图像分割方法；第二类，构造基于像素点的尺度和灰度级差的多尺度函数，并以此函数构造边缘影射。其中，第一类方法又可分成两种：（1）直接构造边缘算子并作用于原图像函数来检测边缘；（2）先通过小波变换获得图像的多尺度特征，然后对像素进行分类，最后根据分类的结果再分割图像。