学位论文 > 优秀研究生学位论文题录展示

生产线复杂光照场景钢坯目标分割方法研究及应用

作　者: 郭祥云
导　师: 洪汉玉
学　校: 武汉工程大学
专　业: 机械电子工程
关键词: 图像分割复杂场景钢坯提取 K均值聚类图论
分类号: TP391.41
类　型: 硕士论文
年　份: 2011年
下　载: 9次
引　用: 0次
阅　读: 论文下载

内容摘要

在图像识别的实现过程中,图像分割是关键的环节之一,分割结果的好坏直接影响后续的分类、跟踪、图像理解、目标识别的效果。目前,本文针对生产线复杂光照场景中钢坯目标的提取问题,对图像分割方法做了一定的比较和探究。通过实验比较和分析,发现传统的分割算法很难准确地分割出复杂场景中的目标,特别是复杂生产线场景中的钢坯目标。为了解决这一难题,本文将图论的方法应用于图像分割,通过人工交互的方式来提取目标。本文首先介绍了图像分割的基本概念和算法,然后详细阐述了图论的基本理论和图论分割法的基本思想。在此基础上,对目前存在的几种典型的基于图论的分割方法的优缺点进行了总结。本文着重对基于图论的交互式分割方法进行了分析和改进,提出了两种改进的分割算法,将其用于复杂光照场景的目标提取。第一种算法为基于图论和最佳阈值模型的分割方法。由于目前的图论分割法普遍存在计算量过大,处理时间较长的缺点;并且对复杂场景中钢坯的提取效果较差,无法准确分割出目标。为此,本文将最简单易行的阈值分割法与图论分割法相结合,通过建立最佳阈值模型来计算分割的能量,在保证分割质量的情况上降低了计算量。第二种算法为基于K均值聚类和Graph Cuts的图像分割方法。由于在阈值模型中,将人工选取的种子像素作为模型参数估计的样本,所以该算法的分割效果受到种子选取的影响,稳定性较差。另外,在某些复杂背景的灰度图像中,目标与背景的灰度值很相似,而彩色图像能反映更多的信息。针对这些问题,本文对算法做了以下改进:(1)通过实验,选择了合适的颜色空间,对像素颜色的判断更加准确;(2)引入了改进的k均值聚类算法,将标记的种子像素进行精确的分类。不仅加快了分类的速度,还提高了分类的精度。使后续的权值计算更加准确;(3)采用了新的能量函数计算方法,准确地表达了像素颜色和空间距离的特性;(4)初步分割后,本文不是通过迭代的方法来矫正部分错误的划分,而是采用连通域去噪和边缘校正的方法来矫正被错误划分的像素。这样会缩短整个算法的运算时间。

全文目录

摘要  4-6
ABSTRACT  6-10
第1章绪论  10-20
  1.1 图像分割的研究背景和意义  10-11
  1.2 图像分割研究的内容和方法  11-15
  1.3 分割技术中图谱理论的引入  15-17
  1.4 课题来源  17
  1.5 本文的研究方向  17-18
  1.6 论文的主要内容和组织结构  18-20
第2章图论的原理与图的分割  20-34
  2.1 图的基本理论  20-26
    2.1.1 图的定义  20-21
    2.1.2 图的基本概念  21-23
    2.1.3 图的矩阵表示  23-24
    2.1.4 网络流  24-26
  2.2 图的典型分割方法  26-28
    2.2.1 最小割分割法  26-27
    2.2.2 Ncut 分割法  27
    2.2.3 Iso 分割法  27-28
  2.3 一种新的最大流/最小割算法  28-33
  2.4 本章小结  33-34
第3章基于图论和最佳阈值模型的分割方法与应用  34-52
  3.1 基于图论的分割算法  35-41
    3.1.1 构造网络图  35-36
    3.1.2 边的加权值  36-37
    3.1.3 能量函数的建立  37-38
    3.1.4 硬约束  38-40
    3.1.5 最优分割的计算  40-41
    3.1.6 有向图  41
  3.2 最佳阈值模型的建立及算法的改进  41-44
    3.2.1 图像预处理  41-42
    3.2.2 加权值计算的改进算法  42-44
  3.3 实验结果与分析  44-51
    3.3.1 本算法分割结果  44-47
    3.3.2 分割结果比较  47-50
    3.3.3 算法的扩展应用  50-51
  3.4 本章小结  51-52
第4章基于K 均值聚类和GRAPH CUTS 的复杂背景彩色图像分割方法与应用  52-68
  4.1 图像分割能量  53-54
  4.2 彩色图像分割改进算法的描述  54-59
    4.2.1 颜色空间的选择  54-55
    4.2.2 初始聚类  55-56
    4.2.3 分割能量的计算  56-58
    4.2.4 最优分割的计算  58
    4.2.5 边缘校正与去噪处理  58-59
  4.3 实验结果与分析  59-65
    4.3.1 实验结果分析  59-62
    4.3.2 分割结果比较  62-65
  4.4 本章小结  65-68
第5章全文总结与展望  68-70
  5.1 本文工作总结  68-69
  5.2 图论算法研究的展望  69-70
参考文献  70-74
攻读硕士期间已发表的论文  74-76
致谢  76

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
基于变异粒子群的聚类算法研究,TP18
融合粒子群和蛙跳算法的模糊C-均值聚类算法研究,TP18
对于系统发育谱法聚类算法的改进,TP311.13
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
计算机辅助髋关节置换手术系统研究与开发,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
基于图论的道路平面设计研究与软件开发,U412.33
市政排水系统设计软件研究和开发,TU992
基于DCT域高压缩图像去块效应算法研究,TP391.41
基于特征的纸币号码识别的研究,TP391.41
基于信息融合的道路和障碍物检测方法研究,TP242
基于DM6437的轴类零件视觉测量系统应用研究与开发,TP274
基于图像处理技术的锡膏印刷质量检测,TP391.41