学位论文 > 优秀研究生学位论文题录展示

图像边缘检测修复算法的技术研究

作　者: 荆耀东
导　师: 余堃；安占恒
学　校: 电子科技大学
专　业: 软件工程
关键词: 边缘识别聚类 K-means算法卷积图像修复
分类号: TP391.41
类　型: 硕士论文
年　份: 2010年
下　载: 90次
引　用: 0次
阅　读: 论文下载

内容摘要

图像修复是利用受损区域周围的图像信息给对损区域像素进行填充的一种技术。在旧电影和旧照片的恢复以及其它方面有着广泛的应用。要修复彩色图像,首先就要确定待修复区域,然后再进行受损区域的修复。本文对使用聚类算法进行图像边缘识别从三个方面进行了由浅入深的研究。首先是基于灰度值的欧式距离简单聚类,将图片转为灰度图,选取若干个聚类中心,根据各个坐标点的灰度值与选取的聚类中心的灰度值的绝对差进行聚类。再次是基于欧式距离的动态聚类,对选择的若干个聚类中心进行依次迭代,每次迭代出范围聚类的欧式距离的平均值作为新的聚类中心,直至得到最终的聚类中心。最后是基于彩色图像的K-means均值聚类,设K值为8,然后随机获得8个颜色值作为聚类中心,依次对每个像素点进行迭代计算,迭代后计算各个颜色区域的平均值作为新的聚类中心进行下一次的迭代计算。本文先进性之一是采用了聚类分析,聚类分析作为一种图像边缘提取方法,其简单易行,运行速度快,效率高等优点使其成为十分常用的算法之一,因此对聚类算法的研究具有十分重大的现实意义。本文采用基于卷积核算法对图像进行了自动修复,深入地研究了利用卷积核算法对受损图像进行修复的过程,并取得了很好的效果。卷积是一种线性运算,是一种微元相乘的累加形式,图像处理中常见的mask运算都属于卷积运算,广泛应用于图像滤波。本文先进性之二采用了imageboard图像处理软件。在用卷积算法对受损区域进行修复时,先用imageboard图像处理软件对图像中受损区域进行处理得到受损区域的相关坐标,然后根据卷积的微元相乘的累加形式,利用相关坐标和受损区域边缘没有受损的像素信息对受损区域像素进行填充,实现图像修复。

全文目录

摘要  4-5
Abstract  5-9
第一章引言  9-13
  1.1 研究背景及意义  9-10
  1.2 研究的目的  10
  1.3 实现网页自动分类面临的主要问题  10-11
  1.4 本文研究的内容  11-13
第二章传统的图像边缘检测及修复现状  13-29
  2.1 图像边缘检测  13-15
    2.1.1 边缘的兴起  13-14
    2.1.2 图像边缘的定义  14
    2.1.3 传统的图像边缘检测算法  14-15
  2.2 传统的边缘检测算法分析  15-28
    2.2.1 经典算子  15-22
    2.2.2 最优算子  22-24
    2.2.3 多尺度方法  24-25
    2.2.4 自适应平滑滤波方法  25-26
    2.2.5 基于模糊性数学的聚类方法  26-28
  2.3 小结  28-29
第三章图像边缘检测研究现状的算法分析  29-51
  3.1 图像修复的介绍  29-30
  3.2 传统的几种图像修复方法  30-36
    3.2.1 基于偏微分方程的图像修复  31-32
    3.2.2 基于纹理合成的图像修复  32-33
    3.2.3 基于快速自适应模板的图像修复  33-36
    3.2.4 算法结果分析  36
  3.3 基于灰度欧式距离的动态聚类算法  36-43
    3.3.1 动态聚类思想  36-37
    3.3.2 算法思想分析  37
    3.3.3 灰度处理  37-41
    3.3.4 算法结果分析  41-43
  3.4 彩色图像的K-means 的聚类算法  43-50
    3.4.1 K-means 聚类  43
    3.4.2 算法思想分析  43-44
    3.4.3 算法的数学描述  44-45
    3.4.4 算法关键代码  45-47
    3.4.5 算法过程分析  47-48
    3.4.6 算法结果分析  48-50
  3.5 小结  50-51
第四章受损区域的选择  51-66
  4.1 确定受损区域的颜色值  51
  4.2 提取受损区域  51-52
  4.3 边缘识别的叙述  52
  4.4 受损区域边缘信息的获取  52-57
    4.4.1 排序算法  52-53
    4.4.2 筛选算法  53-54
    4.4.3 一种新的结合数学形态学的含噪图像边缘检测方法  54-57
  4.5 卷积和图像卷积算法的介绍  57-60
  4.6 卷积算法的应用  60-63
    4.6.1 高斯卷积滤波器  60-61
    4.6.2 高斯卷积核  61-62
    4.6.3 图像的修复过程  62-63
  4.7 实验结果  63-64
  4.8 结果分析  64-65
  4.9 小结  65-66
第五章总结  66-67
致谢  67-68
参考文献  68-71

相似论文

IEEE802.16e信道编译码算法研究,TN911.22
隐式用户兴趣挖掘的研究与实现,TP311.13
图像分割中阴影去除算法的研究,TP391.41
基于图分割的文本提取方法研究,TP391.41
牡丹EST-SSR引物开发及其亲缘关系分析,S685.11
高血压前期证候特征研究,R259
高忠英学术思想与经验总结及运用补肺汤加减治疗呼吸系统常见病用药规律研究,R249.2
K-均值聚类算法的研究与改进,TP311.13
大学生综合素质测评研究,G645.5
大豆品种对腐竹品质的影响及其品质评价体系的初步构建,TS214.2
21个荷花品种遗传多样性的ISSR分析,S682.32
基于聚类分析的P2P流量识别算法的研究,TP393.02
基于混合自适应遗传算法的动态网格调度问题研究,TP393.09
桃杂交后代（F₁）幼苗光合效能评价,S662.1
南通市农业面源污染负荷研究与综合评价,X592
土壤环境功能区划研究,X321
基因表达谱数据聚类分析方法比较与大豆疫霉基因的网络构建,S435.651
大豆杂种优势及其遗传基础研究,S565.1
象草自交后代无性系的饲用价值及生物质能特性初步评价,S543.9
细菌聚类算法及其在图像分割问题中的研究与应用,TP391.41
基于变异粒子群的聚类算法研究,TP18