学位论文 > 优秀研究生学位论文题录展示

基于云理论的图像分割技术研究

作　者: 葛秘蕾
导　师: 李万臣
学　校: 哈尔滨工程大学
专　业: 信号与信息处理
关键词: 云理论云变换区域生长图像分割
分类号: TP391.41
类　型: 硕士论文
年　份: 2010年
下　载: 130次
引　用: 0次
阅　读: 论文下载

内容摘要

图像工程是近几年发展起来的一门学科,它的研究内容非常丰富,根据抽象程度和研究方法的不同可分为三个层次：图像处理、图像分析和图像理解。图像处理的目的之一是图像识别,而图像分割与测量是图像识别工作的基础。图像分割是计算机视觉领域一个重要而基本的问题,尤其是在图像理解、成像目标的识别与跟踪、机器人视觉中是一项关键技术。云理论是以研究定性定量间的不确定性转换为基础的系统处理不确定性问题的一种新理论,包括云模型、虚云、云运算、云变换、不确定性推理等内容。云模型是语言值描述的某个定性概念与其数值表示之间的不确定性转换模型,它将定性概念表达以及定性定量间转换的模糊性和随机性集成到一起,是云理论的基础。而云理论及由此而发展起来的信息处理技术,对处理带有模糊不确定性的事件及对不精确知识的描述与处理方面具有得天独厚的优势。图像分割过程就是利用图像信息,将图像像素进行智能分类的过程。本文提出了一种基于云理论和区域生长的图像分割方法。该方法首先是用云变换对图像进行变换生成云模型,然后利用云模型的Ex作为区域生长的种子点,以云的极大判定法则作为区域生长准则进行区域生长。获得最终的分割结果。这种分割方法不但克服了区域生长法种子点和生长准则选取不当而产生过分割和欠分割的不足,而且解决了对分界模糊和具有不确定性因素的图像的分割难点,实验结果证明,该方法可以准确的分割出目标,是一种有效的图像分割方法。

全文目录

摘要  5-6
ABSTRACT  6-11
第1章绪论  11-19
  1.1 图像处理概述  11-12
    1.1.1 图像  11
    1.1.2 图像处理  11-12
  1.2 数字图像处理技术  12-14
  1.3 图像分割  14-17
    1.3.1 图像分割定义  14-15
    1.3.2 图像分割的难点  15
    1.3.3 课题研究的背景和现状  15-17
  1.4 论文的选题和研究意义  17-18
  1.5 本文的主要工作和内容安排  18-19
第2章图像分割  19-30
  2.1 边缘检测  19-20
  2.2 阈值分割  20-22
  2.3 区域生长  22-28
    2.3.1 区域生长原理  23-24
    2.3.2 区域生长算法  24-25
    2.3.3 区域生长类型  25-26
    2.3.4 生长准则和过程  26-28
    2.3.5 分裂合并  28
  2.4 其他分割方法  28-29
  2.5 本章小结  29-30
第3章云理论的基础知识  30-45
  3.1 云理论及其研究现状  30-37
    3.1.1 云理论的提出  30-33
    3.1.2 云理论的基本概念  33-37
  3.2 云模型  37-40
    3.2.1 云模型  37
    3.2.2 正态云模型  37-39
    3.2.3 云模型的3En规则  39-40
  3.3 云发生器  40-43
    3.3.1 正向云发生器(Forward Cloud Generator)  41
    3.3.2 逆向云发生器  41-42
    3.3.3 X条件云发生器和Y条件云发生器  42-43
  3.4 二维和多维正态云模型  43-44
  3.5 虚拟云  44
  3.6 本章小结  44-45
第4章云变换  45-53
  4.1 数据空间的划分  45-46
  4.2 基于云模型的空间数据离散化  46-49
    4.2.1 概念生成方法  46-47
    4.2.2 数据空间软划分和概念提升  47-48
    4.2.3 云模型的"软或"  48-49
  4.3 峰值云变换算法  49-52
  4.4 本章小结  52-53
第5章基于云理论和区域生长法的图像分割算法及分析  53-66
  5.1 算法概述  53-54
  5.2 基于云理论和区域生长法的图像分割算法的具体步骤  54-59
    5.2.1 通过云变换生成原子云  54-56
    5.2.2 泛概念树的生成和爬升  56-57
    5.2.3 云的极大判定法和区域生长法  57-59
  5.3 实验结果与分析  59-64
    5.3.1 对图像进行对比实验  60-61
    5.3.2 分割评价标准  61-64
    5.3.3 实验结果分析与总结  64
  5.4 本章小结  64-66
结论  66-68
参考文献  68-76
攻读学位期间发表的学术论文  76-77
致谢  77

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
基于物联网的农产品安全监控系统与决策系统研究,TP277
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
虹膜识别的定位算法研究,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
基于医学图像序列匹配的分割及三维建模研究,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