随着信息技术的飞速革新,我们可以通过网络获取大量的图像和视频信息,在海量的数据基础上,高效、准确的计算机视觉处理变得更为困难。面对如此繁杂的环境,如何将所感兴趣的目标对象从图像数据中分割出来是计算机视觉领域近几年内关注的热点。人眼视觉系统可以在任何环境中不受复杂背景的影响,快速并准确地定位场景中的显著目标,在计算机视觉中,对于显著目标的图像分割技术被广泛使用。本文以自然图像和医学图像为研究对象,基于区域生长技术,构建显著物体的边缘检测算法,结合显著性区域检测器,对目标图像中的显著物体进行分割,解决实际环境中从复杂背景区域内分割显著物体的问题。本文的具体研究内容如下:1.本文算法利用区域生长的方法实现图像中显著物体的边缘检测,该算法能够准确地检测显著物体的边缘,删除背景区域的干扰边缘,检测时不需额外的交互信息,就可以得到显著物体的边缘图像。针对具有较为复杂背景的实验图像时,该算法仍然可以得到良好的边缘结果。同时选择了传统的Canny边缘检测算法和基于Canny算子的改进边缘检测算法,与本文提出的算法相对比,进行了测试和评估,结果体现了了本文提出的基于区域生长的显著物体边缘检测算法的有效性。另外,本文提出的基于区域生长的显著边缘检测算法也可适用于其他的边缘检测算法、图像分割和物体识别算法中。2.图像经过边缘检测算法处理后,得到图像中显著物体的边缘,为了将显著物体从背景中分割出来,本文利用了Itti视觉显著性检测器得到图像的显著区域图。本文算法将显著物体的边缘图像与显著区域图结合,提出了显著物体的分割算法。实验表明本文所提出的分割算法可以较好地提取出显著性物体。3.本文提出了一种在医学图像中,基于区域生长的骨组织区域的分割算法。通过与手动分割结果对比,验证了分割算法的有效性和高效性,实现了对CBCT图像中的骨组织的分割,并取得了较好的效果。