学位论文 > 优秀研究生学位论文题录展示
非广延熵在图像分割中的应用研究
作 者: 林倩倩
导 师: 欧聪杰
学 校: 华侨大学
专 业: 电子与通信工程
关键词: 图像分割 阈值方法 非广延Tsallis熵 非广延参数 长程关联
分类号: TP391.41
类 型: 硕士论文
年 份: 2013年
下 载: 2次
引 用: 0次
阅 读: 论文下载
内容摘要
图像分割是图像工程中一类最重要和最热门的研究内容,其基本操作是把图像分割成一些有意义的、互不重叠的区域,图像分割结果的优劣会直接影响图像后续处理任务的质量。目前研究人员针对不同类型的图像已提出了许多分割方法,基于熵的阈值化分割方法是其中较为简单且有效的一种。Tsallis熵是Boltzman-Gibbs熵的一种广义形式,它能够有效地描述非广延物理系统内部复杂的长程相互作用和长时效应。在图像处理领域中,这种长程相互作用(或长时效应)可以理解为图像内部各个像素点灰度之间存在的关联,且关联的强度可以通过非广延参数q来描述。因此对于某些具备非广延特性的图像来说,基于Tsallis熵的阈值分割方法比基于Shannon熵的阈值分割方法更具普遍性和灵活性。现有的Tsallis熵阈值分割方法基本上都假设图像内部存在全局性的长程关联,然而对于一些目标可任意变化的图像来说,我们根据先验知识可以判断出目标和背景之间应该不存在关联,但目标内部或背景内部却可能存在关联性。也就是说图像内部存在的仅有局部性的长程关联而非全局性的长程关联。为此,我们对现有的几种Tsallis熵阈值法进行了改进,具体的说,本文做了如下研究工作:首先,分析了最大Tsallis熵阈值方法存在的不足,针对这些不足之处进行改进,提出了新的Tsallis熵阈值分割方法,并给出了合理的q值取值范围。实验结果表明,该方法对于红外线和无损检测等存在局部长程关联的图像具有良好分割效果。其次,通过构造图像的二维灰度直方图,将上述新方法从一维推广至二维。新的二维Tsallis熵阈值分割方法充分考虑了图像本身的灰度信息以及邻域的空间相关信息,因此它在信噪比(SNR)降低的情况下,仍能取得较好的分割效果。最后,本文对最小Tsallis交叉熵阈值法也进行了类似的改进,提出了新的Tsallis交叉熵的阈值方法。实验结果表明该方法在分割目标和背景之间无明显关联的图像时得到的结果要明显优于最小Tsallis交叉熵阈值法,这也进一步验证了“图像内部各像素灰度之间存在局部性长程关联而非全局性的长程关联”这一假设的有效性。
|
全文目录
摘要 3-5 Abstract 5-9 第1章 绪论 9-15 1.1 图像分割的目的和意义 9 1.2 国内外研究现状 9-13 1.2.1 图像分割方法的分类 10-12 1.2.2 基于熵信息的阈值分割算法的研究现状 12-13 1.3 本文主要研究工作及论文结构安排 13-15 1.3.1 本文的主要研究工作 13-14 1.3.2 全文结构安排 14-15 第2章 非广延熵的性质及其在图像分割中的应用 15-28 2.1 引言 15 2.2 熵的基本概念 15-16 2.3 信息熵的概念及其在图像分割中应用 16-19 2.3.1 信息熵的基本概念 16-17 2.3.2 信息熵在图像阈值分割中的应用 17-19 2.4 交叉熵的概念及其在图像分割中应用 19-22 2.4.1 交叉熵的基本概念 19-20 2.4.2 交叉熵在图像阈值分割中的应用 20-22 2.5 非广延熵的概念及其性质 22-25 2.5.1 非广延熵的基本概念 22-23 2.5.2 非广延熵的性质 23-25 2.6 非广延熵在图像分割中的应用 25-27 2.6.1 一维非广延熵阈值法 25-26 2.6.2 二维非广延熵阈值法 26-27 2.7 本章小结 27-28 第3章 Tsallis 熵与像素灰度间的长程关联 28-43 3.1 引言 28 3.2 最大 Tsallis 熵的阈值分割算法的原理及其存在的不足 28-30 3.2.1 最大 Tsallis 熵阈值分割算法 29 3.2.2 最大 Tsallis 熵的阈值分割算法存在的不足 29-30 3.3 改进后的 Tsallis 熵的阈值分割算法 30-32 3.4 合理的 q 值取值范围 32-34 3.5 实验结果分析 34-42 3.6 本章小结 42-43 第4章 二维 Tsallis 熵阈值分割方法 43-50 4.1 引言 43 4.2 二维直方图 43-44 4.3 二维最大 Tsallis 熵阈值分割法 44-45 4.4 新的二维 Tsallis 熵阈值方法 45-46 4.5 实验结果与分析 46-49 4.6 本章小结 49-50 第5章 Tsallis 交叉熵阈值分割方法 50-57 5.1 引言 50 5.2 最小 Tsallis 交叉熵阈值法原理 50-52 5.2.1 Tsallis 交叉熵 50-51 5.2.2 最小 Tsallis 交叉熵阈值法 51-52 5.3 新的 Tsallis 交叉熵阈值法 52-53 5.4 实验结果与分析 53-56 5.5 本章小结 56-57 第6章 总结与展望 57-59 6.1 研究工作总结 57-58 6.2 研究未来展望 58-59 参考文献 59-64 致谢 64-66 个人简历、在学期间发表的学术论文及研究成果 66
|
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
- 基于可视特征的彩色图像分割方法及应用研究,TP391.41
- 基于LiDAR点云与CCD影像的建筑物特征提取,P225.2
- 基于视觉的类人足球机器人目标定位算法设计,TP391.41
- 基于马尔可夫随机场模型的医学图像分割方法研究,TP391.41
- 基于Otsu算法与数学形态学的图像分割算法研究,TP391.41
- 肺部病灶感兴趣区域分割算法研究,TP391.41
- 基于参数活动轮廓模型的医学图像分割方法研究,TP391.41
- 小型智能足球机器人系统全局视觉的研究与设计,TP242.6
- 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
- B超仪中纹理特征量化功能的设计与实现,TP391.41
- 基于空间邻域词袋模型的图像标注技术,TP391.41
- Web图像搜索中基于GPU的图像分割技术术究,TP391.41
- 基于注意力选择机制的图像分割与场景理解,TP391.41
- 基于二次分水岭和归一化割的彩色图像分割技术的研究,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
|