学位论文 > 优秀研究生学位论文题录展示
基于图谱理论的图像匹配和图像分割算法研究
作 者: 董瑞
导 师: 梁栋
学 校: 安徽大学
专 业: 信号与信息处理
关键词: 图谱理论 图像特征点匹配 Laplace谱 图像分割 Normalized Cut
分类号: TP391.41
类 型: 硕士论文
年 份: 2007年
下 载: 625次
引 用: 2次
阅 读: 论文下载
内容摘要
图像匹配和图像分割技术是计算机视觉的重要研究领域,它们广泛应用于工业、农业、物体识别、遥感、生物医学以及军事等方面。基于图谱理论的图像匹配和图像分割算法引起了人们越来越多的兴趣,该算法直接对图像中的像素进行处理,将高度复杂的经典算法转化为组合(离散)谱问题的简单求解,有效地降低了算法复杂度。因此基于图谱理论的图像匹配和图像分割算法的研究不仅具有重要的理论意义而且具有广泛的应用前景。本文对基于图谱理论的图像匹配和图像分割算法进行了较为系统的研究,主要包括:基于邻接谱的图像特征点匹配、基于Laplace谱的图像特征点匹配、基于图谱的图像分割。本文的主要研究内容及研究成果如下:1.给出了结合颜色特征的邻接谱的图像特征点匹配方法。首先结合两幅图像特征点邻域的颜色特征(HSV颜色特征或色调局部累加直方图),利用高斯加权函数构造亲近矩阵,再对亲近矩阵进行奇异值分解,利用分解的结果构造出一个反应特征点之间匹配程度的关系矩阵,最后根据关系矩阵实现两幅图像的特征点匹配。实验结果表明,该方法具有较高的匹配精度。2.给出了一种结合颜色梯度的Laplace谱的图像特征点匹配方法。首先结合图像特征点的颜色梯度信息,利用高斯加权函数分别构造两幅图像的Laplace矩阵,并对这两个矩阵进行奇异值分解,然后利用分解的结果构造出一个反应特征点之间匹配程度的关系矩阵,最后根据关系矩阵实现两幅图像的特征点匹配。实验结果表明,该方法具有更高的匹配精度。3.给出了一种结合概率松弛的Laplace谱的特征点匹配方法。该方法首先给定两个特征点集,然后分别定义其Laplace矩阵,再通过分析该矩阵的特征值及特征向量来获得特征点匹配的初始概率,最后通过概率松弛迭代的方法获得匹配的最终解。实验结果表明,该方法可以获得较高的匹配正确率。4.给出了一种结合k-Means聚类分析法和图的规范割的图像分割方法。首先利用k-Means聚类分析法对图像进行预分割,得到k个最大相似区域,再利用图的规范割算法在区域之间进行分割,产生最终图像分割结果。实验结果表明,该方法能够获得较好的分割效果。
|
全文目录
摘要 5-6 Abstract 6-8 目录 8-12 第一章 引言 12-24 1.1 图谱理论 12-16 1.1.1 图谱理论的发展 12-14 1.1.2 相关概念 14-16 1.2 图像匹配 16-18 1.2.1 图像匹配研究的意义 17 1.2.2 图谱理论在图像匹配中的应用 17-18 1.3 图像分割 18-23 1.3.1 图像分割研究的意义 19-20 1.3.2 图谱理论在图像分割中的应用 20-23 1.4 论文的主要研究内容及组织结构 23-24 第二章 基于邻接谱的图像特征点匹配算法及研究 24-37 2.1 图的邻接矩阵 24-25 2.2 算法回顾 25-30 2.2.1 Scott 和 Longuet-Higgins 算法 25 2.2.2 Shapiro 和 Brady 算法 25-26 2.2.3 Pilu 算法 26 2.2.4 实验及其结果 26-30 2.3 基于颜色的邻接谱的图像特征点匹配算法 30-36 2.3.1 颜色空间简介 30-33 2.3.2 基于 HSV 颜色特征的邻接谱的图像特征点匹配算法 33-34 2.3.3 基于色调的邻接谱的图像特征点匹配算法 34 2.3.4 实验及其结果 34-36 2.4 本章小结 36-37 第三章 基于 Laplace 谱的图像特征点匹配算法及研究 37-49 3.1 Laplace (矩阵的) 谱 37-38 3.2 基于 Laplace 谱的图像特征点匹配算法 38-42 3.2.1 算法描述 38-39 3.2.2 扰动分析 39-40 3.2.3 实验及其结果 40-42 3.3 基于颜色梯度的 Laplace 谱的图像特征点匹配算法 42-45 3.3.1 算法描述 42-43 3.3.2 实验及其结果 43-45 3.4 基于概率松弛的 Laplace 谱的图像特征点匹配算法 45-48 3.4.1 算法描述 45-47 3.4.2 实验及其结果 47-48 3.5 本章小结 48-49 第四章 基于图的规范割的图像分割方法及研究 49-56 4.1 Normalized Cut 49-50 4.2 Normalized Cut 和 k-Means 的图像分割方法 50-55 4.2.1 利用 k-Means 产生预分割区域 50-51 4.2.2 Normalized Cut 用于区域间的分割 51-52 4.2.3 具体算法描述 52-53 4.2.4 实验及其结果 53-55 4.3 本章小结 55-56 第五章 总结与展望 56-58 参考文献 58-63 致谢 63-64 攻读学位期间发表的论文 64
|
相似论文
- 森林防火系统中图像识别算法的研究,TP391.41
- 数字图像处理在集装箱检测中的应用研究,TP274.4
- 个性化人工膝关节设计及其生物力学特性研究,R318.1
- 基于图像处理技术的烟叶病害自动识别研究,S435.72
- 红外图像目标识别及跟踪技术研究,TP391.41
- 细菌聚类算法及其在图像分割问题中的研究与应用,TP391.41
- 基于粒子群优化的Fuzzy c-mean聚类算法的基因芯片图像处理,TP391.41
- 基于知识的脊柱MRI影像分割算法研究,TP391.41
- 基于OpenCV的人脸检测方法研究,TP391.41
- 计算机辅助髋关节置换手术系统研究与开发,TP391.41
- 基于单目夜视图像的深度估计,TP391.41
- 基于中介真值程度度量的图像分割方法研究,TP391.41
- 基于图像处理的棉花成熟度判定技术的研究,TP391.41
- 基于空间邻域词袋模型的图像标注技术,TP391.41
- 基于数字图像处理技术的路面裂缝检测算法研究,TP391.41
- Web图像搜索中基于GPU的图像分割技术术究,TP391.41
- 基于改进的GVF主动轮廓模型的图像分割方法研究,TP391.41
- 基于主动轮廓模型的图像分割方法研究,TP391.41
- 基于主动轮廓模型的心脏核磁共振图像左心室分割方法研究,TP391.41
- 基于特征的纸币号码识别的研究,TP391.41
- 手指静脉识别技术研究,TP391.41
中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理(信息加工) > 模式识别与装置 > 图像识别及其装置
© 2012 www.xueweilunwen.com
|