学位论文 > 优秀研究生学位论文题录展示
基于粗糙集理论的图像分割研究
作 者: 谢琪
导 师: 王加阳
学 校: 中南大学
专 业: 计算机科学与技术
关键词: 粗糙集理论 量化粗糙度 图像分割 模糊聚类 空间约束
分类号: TP391.41
类 型: 硕士论文
年 份: 2011年
下 载: 52次
引 用: 1次
阅 读: 论文下载
内容摘要
粗糙集理论是一种处理不确定性问题的重要工具,其优点在于不需任何先验知识。图像分割在图像工程中占据着很重要的地位,是从图像底层处理到图像分析的关键步骤,图像分割的质量将直接决定对图像内容进行分析判别的结果。图像分割实质上可看作是一个对图像各像素进行划分的问题,将粗糙集应用其中,主要是将图像视为一个知识系统,以优化原有分割算法。本文阐述了粗糙集理论的基本概念和性质,分析和比较了几类图像分割方法,讨论了几种基于粗糙集的改进的分割算法。利用粗糙集构造图像的内外边界因子,对图像进行边缘检测;根据粗糙度,为数学形态学算子选取最优结构元素;利用不可分辨关系对图像进行初划分,为C-均值聚类选取合理的初始聚类中心和聚类数目。实验验证了粗糙集应用于图像分割的有效性。由于以往的图像分割方法大都只考虑图像像素的灰度或颜色等信息来进行分割,忽略了像素间在空间上的联系,然而该信息在图像分割中是有重要作用的,本文利用粗糙集上、下近似的概念,根据图像的统计直方图构造量化粗糙度直方图,并采用自适应峰值选取策略选取阈值,完成图像的分割。本算法采用HSI颜色空间中的H分量来度量邻域像素间的距离,减少了计算量,提高了效率,同时也获得了良好的分割效果。此外,将量化粗糙度因子引入模糊C均值聚类算法中,利用像素间的空间约束关系对模糊隶属度矩阵进行修正,并通过实验验证了该方法的有效性。
|
全文目录
摘要 4-5 ABSTRACT 5-9 第一章 绪论 9-21 1.1 课题的研究背景及意义 9-11 1.2 粗糙集的研究现状 11-15 1.3 粗糙集在图像分割中的研究现状 15-19 1.4 论文的主要内容与结构 19-20 1.5 本章小结 20-21 第二章 粗糙集理论 21-28 2.1 粗糙集理论基本概念 21-24 2.1.1 知识与知识库 21-22 2.1.2 上、下近似 22-23 2.1.3 正域、负域和边界域 23-24 2.2 粗糙集的特征 24-26 2.3 粗糙集在图像处理中的应用 26-27 2.4 本章小结 27-28 第三章 图像分割方法的分析比较 28-51 3.1 边缘检测方法 28-32 3.1.1 梯度算子 28-30 3.1.2 拉普拉斯算子 30-31 3.1.3 Canny算子 31 3.1.4 各算子分割效果比较分析 31-32 3.2 阈值分割方法 32-38 3.2.1 阈值化技术概述 32-33 3.2.2 基本阈值分割方法 33-37 3.2.3 主要阈值分割方法分割效果比较 37-38 3.3 区域分割方法 38-42 3.3.1 区域生长原理 38-39 3.3.2 生长准则和过程 39-41 3.3.3 分裂-合并法 41-42 3.4 基于粗糙集的图像分割方法 42-50 3.4.1 基于粗糙集的边缘检测 42-45 3.4.2 基于粗糙集的数学形态学方法 45-47 3.4.3 基于粗糙集的C-均值聚类方法 47-50 3.5 本章小结 50-51 第四章 量化粗糙度在彩色图像分割中的应用 51-65 4.1 彩色图像分割概述 51-52 4.2 定性粗糙信息 52-54 4.3 量化粗糙度 54-56 4.4 基于量化粗糙度的阈值分割 56-59 4.4.1 分割原理 56-57 4.4.2 实验设计与分析 57-59 4.5 基于粗糙度的模糊聚类分割 59-64 4.5.1 传统模糊C均值聚类算法 59-61 4.5.2 基于量化粗糙信息的FCM算法 61-63 4.5.3 实验结果与分析 63-64 4.6 本章小结 64-65 第五章 总结与展望 65-67 5.1 本文工作总结 65-66 5.2 研究工作展望 66-67 参考文献 67-72 致谢 72-73 攻读学位期间主要研究成果目录 73
|
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
- 土壤环境功能区划研究,X321
- 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
- 演化聚类算法及其应用研究,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
- 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
- 电力系统电压无功控制方法研究,TM761.1
- 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
- 停车诱导在智能移动终端上的设计与实现,TN929.53
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
|