学位论文 > 优秀研究生学位论文题录展示
基于显著性的图像分割研究
作 者: 李军侠
导 师: 马儒宁
学 校: 南京航空航天大学
专 业: 应用数学
关键词: 图像分割 显著性分析 归一化分割 像素不一致因子 显著性种子点 区域合并 最大相似度
分类号: TP391.41
类 型: 硕士论文
年 份: 2012年
下 载: 131次
引 用: 0次
阅 读: 论文下载
内容摘要
现有的图像分割方法大部分基于一致性的准则,难以分割不一致的目标。为了解决这个问题,人们所采取的方法包括引入视觉显著性将显著的不一致目标分割出来,以及引入人工信息建立交互式分割。但是这两种方法都存在一些缺陷,显著性分割方法难以得到目标精确的边界轮廓以及比较难分割出具有一致性的目标,交互式分割方法的问题在于人工信息的不确定性以及分割结果对人工信息的敏感性。基于以上两点本文首先提出了一种基于显著性的N-cut算法,通过引用INP算法中计算显著图的像素不一致因子PIF,使经典的N-cut分割过程充分考虑到图像的亮度特征,得到精确的目标边界轮廓,准确地分割出目标。其次本文在一种新的基于最大相似性的区域合并算法的基础上,提出了基于显著性种子点区域合并的图像分割框架。同一个目标中具有不同特征的像素点都可以作为代表先验交互信息的候选点,同时这些点由于具有较高的显著性而引起人们的注意。通过显著性分析可以自动地获得理想的先验信息,从而替代费时费力的人工信息。对大量自然图像数据库中的图像进行实验,结果表明本文提出的基于显著性的N-cut算法和基于显著性种子点区域合并的自动的图像分割算法都可以从背景复杂的图像中准确的分割出目标。
|
全文目录
摘要 4-5 Abstract 5-8 图表清单 8-9 注释表 9-10 第一章 绪论 10-18 1.1 背景介绍 10-16 1.1.1 图像分割概述 10-11 1.1.2 图像分割的发展现状及趋势 11-15 1.1.3 图像分割评价简介 15-16 1.2 本文主要工作 16-17 1.2.1 提出基于显著性的 N-CUT 算法 16-17 1.2.2 提出基于显著性种子点区域合并的自动图像分割框架 17 1.3 本文主要章节与安排 17-18 第二章 显著性分割算法的简要回顾 18-23 2.1 模拟生物体的视觉注意模型(IT) 18-19 2.2 基于图论的视觉注意模型(GB) 19 2.3 基于空间频域分析的模型(IG) 19-20 2.4 基于剩余谱的模型(SR) 20 2.5 基于邻域不一致性的模型(NIF) 20-22 2.6 本章小结 22-23 第三章 基于显著性的 N-CUT 算法 23-30 3.1 像素不一致因子 PIF 23-24 3.2 基于显著性的 N-CUT 算法 24-26 3.2.1 N-CUT 算法的简要回顾 25 3.2.2 基于显著性的 N-CUT 算法框架 25-26 3.3 算法结果展示 26-29 3.4 本章小结 29-30 第四章 基于显著性种子点区域合并的自动图像分割算法 30-44 4.1 问题的提出 30-33 4.2 显著性种子点的区域合并 33-38 4.2.1 MSRM 算法的简要回顾 33 4.2.2 显著性种子点的区域合并算法框架 33-37 4.2.3 参数设置 37-38 4.3 实验比较 38-43 4.3.1 定性结果比较 38-42 4.3.2 定量结果评价 42-43 4.3.3 失败的例子 43 4.4 本章小结 43-44 第五章 总结与展望 44-45 参考文献 45-50 致谢 50-51 在学期间的研究成果及发表的学术论文 51
|
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
- 红外图像目标识别及跟踪技术研究,TP391.41
- 肝脏移植术前计算机辅助规划关键技术的研究,TP391.41
- 基于Split Bregman算法的多相图像分割及三维重建,TP391.41
- 基于马尔科夫随机场D-S证据理论对人脑图像的分割研究,TP391.41
- 基于图像处理技术的烟叶病害自动识别研究,S435.72
- 医学显微细胞图像提取和分割技术的研究与实现,TP391.41
- 彩色图像分割算法研究,TP391.41
- 基于分形理论和活动轮廓模型的图像分割方法研究,TP391.41
- 基于指纹与手指静脉的双模态识别算法研究,TP391.41
- 贝叶斯优化算法的研究及其在图像分割中的应用,TP391.41
- 基于水平集和局部灰度阈值的神经干细胞序列图像的分割算法,TP391.41
- 自由搜索算法的改进及其在图像分割中的应用,TP391.41
- 基于图像特征的早期火灾探测技术的研究,X924.2
- 基于单目视觉的障碍物检测方法,TP242
- 可配置的高分辨率遥感图像目标识别方法研究,TP751
- 变电站电力设备红外图像分割技术研究,TP391.41
- 小波结合C-V模型的工业CT/DR图像缺陷检测算法研究,TP391.41
- Chan-Vese活动轮廓模型的研究,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
|