学位论文 > 优秀研究生学位论文题录展示

面向类的图像分割方法研究

作　者: 葛宏立
导　师: 孟宪宇；唐小明
学　校: 北京林业大学
专　业: 森林经理学
关键词: 面向类的图像分割方法高维图像分割遥感图像分割彩色图像分割纹理图像分割爬峰法
分类号: TP391.41
类　型: 博士论文
年　份: 2004年
下　载: 933次
引　用: 6次
阅　读: 论文下载

内容摘要

本文提出了一个新的图像分割方法——面向类的图像分割方法(Cluster-Oriented Image Segmentation Approach，COIS)。这个方法分两个步骤。第一步，用一种聚类方法，本文采用了一种高效的非参数方法——爬峰法，用一个小的聚类尺度对特征数据进行聚类；第二步，对第一步得到的类进行合并操作，使之最后得到的类能对应图像空间的区域，这一步是本方法的核心。第一步的操作对象是象素(或象素级的)，第二步的操作对象是第一步生成的类。这个方法适用于高维图像如彩色图像、纹理图像、遥感图像等的分割。通过一些例子，已初步显示了它的图像分割能力。一般基于聚类的图像分割方法存在两个问题。一是在一开始就假定类——图像区域的对应(等同)关系，将重点放在聚类上，试图通过一次聚类就得到满意的分割结果；二是没有充分考虑象素在图像空间的相互关系，所以聚类得到的类尽管可能在特征空间有很好的聚类指标，也可能并不对应图像空间一个完整的区域。COIS法对这两个问题有了较好的解决。首先它没有一开始就假定类与图像区域的对应关系，不把重点放在聚类上，而是放在对由第一步聚类产生的类的合并上。二是它同时结合考虑了类在两个空间的性质。除了第一步需要一个不严格的聚类尺度参数外，在第二步没有聚类尺度概念。围绕着完整系统的COIS法的建立，本文提出了：(1) 基于特征空间的亲和度指数和亲和伙伴。亲和度用于描述两个类在特征空间的相互关系，它提供了两个类按它们在特征空间的关系是否可以合并的一个依据。亲和伙伴提供了可能的合并对象；(2) 基于图像空间的聚合度指数，聚合度用以描述一个类的象素在图像空间形成区域的程度；(3) 基于图像空间的捕获度指数及捕获伙伴。捕获度用以描述两个类在图像空间的相互关系，即一个类被另一个类“捕获”的程度，它提供了两个类按它们在图像空间的关系是否可以合并的一个依据。捕获伙伴提供了可能的合并对象。这两个空间的指数是第二步进行类合并的基础。不同的指数组合运用就形成了不同的类合并方法，它们适合于不同的图像分割问题；(4) 提出了一个人机交互的方法；(5) 一个通过改变栅格尺寸达到分割图像目的的方法；(6) 提出了一个均匀度指数，用以描述一个类在图像空间分布的均匀程度，它可用于一个类的离散点的切除；(7) 表式直方图的一个快速构造法；(8) 直方图的压缩问题；(9) 两个新的爬峰实现法。其中(4)、(5)可以作为补充的方法，也可以作为独立的方法。

全文目录

独创性声明  3-4
中文摘要  4-5
Abstract  5-12
1 引言  12-17
  1.1 本课题研究的目的、意义  12-13
  1.2 国内外研究的现状  13-14
  1.3 基于聚类图像分割方法存在的两个主要问题  14-15
  1.4 本文的研究思路与论文内容安排  15-17
2 图像分割方法综述及几种基于聚类的方法介绍  17-29
  2.1 图像分割综述  17-23
    2.1.1 图像分割的定义  17-18
    2.1.2 图像分割方法的分类  18-20
    2.1.3 结合特定理论工具的分割方法  20-21
    2.1.4 针对不同图像的分割方法  21-23
      2.1.4.1 彩色图像分割  21-22
      2.1.4.2 多光谱图像分割  22-23
  2.2 几种基于聚类的方法介绍  23-28
    2.2.1 高维特征空间的参数聚类方法  24-27
      2.2.1.1 硬C-均值聚类  24-25
      2.2.1.2 迭代自组织分析算法  25
      2.2.1.3 模糊C-均值聚类  25-26
      2.2.1.4 山法  26-27
    2.2.2 高维特征空间的非参数聚类方法  27-28
    2.2.3 基于高维特征空间聚类方法的一些发展趋势  28
  2.3 本章小结与讨论  28-29
3 寻谷法和爬峰法介绍  29-45
  3.1 寻谷法  29-34
  3.2 基于原始特征向量的爬峰法  34-38
    3.2.1 用有向树表示数据  34-36
      3.2.1.1 有向树的定义  34-35
      3.2.1.2 有向树的构造  35-36
      3.2.1.3 有向树的性质  36
    3.2.2 算法的渐近性质  36-37
    3.2.3 寻峰性质  37-38
    3.2.4 θ的选择  38
    3.2.5 扩大到k-最近邻法  38
  3.3 基于特征向量直方图的爬峰法  38-43
    3.3.1 P.M.Narendra和M.Goldberg(1977)的方法  39-40
      3.3.1.1 直方图的建立  39
      3.3.1.2 聚类算法  39-40
      3.3.1.3 相邻栅格的确定  40
      3.3.1.4 直方图的平滑  40
    3.3.2 A.Khotanzad和A.Bouarfa(1990)的方法  40-43
      3.3.2.1 连续变量的离散化  41
      3.3.2.2 最佳量化等级的自动确定  41-43
  3.4 本章小结与讨论  43-45
4 直方图的两种存储方式及相关算法  45-62
  4.1 表式直方图的一种新构造方法  45-49
    4.1.1 已有方法介绍  45-46
    4.1.2 本文提出的新方法  46-49
  4.2 数组式直方图及其与爬峰聚类相关的有关算法  49-53
    4.2.1 基于数组式直方图和方向数的一种爬峰实现法  49-51
    4.2.2 利用有向路径的爬峰实现法  51-53
  4.3 直方图压缩  53-60
    4.3.1 直方图的内存要求  54-55
    4.3.2 压缩方法1:截尾去噪  55-56
    4.3.3 压缩方法2:压缩直方图中部的空栅格  56-57
    4.3.4 压缩方法3:增大直方图栅格尺寸  57-58
    4.3.5 压缩方法4:主分量变换压缩  58-60
  4.4 直方图边缘栅格的调整  60-61
  4.5 本章小结与讨论  61-62
5 尺度控制参数试验  62-70
  5.1 栅格大小试验  62-64
  5.2 直方图平滑  64-67
    5.2.1 正态分布试验  64-66
    5.2.2 圆环分布试验  66-67
  5.3 图像空间平滑  67-69
  5.4 本章小结与讨论  69-70
6 基于特征空间指数的类合并  70-79
  6.1 边界相接类的亲和度指数  70-72
  6.2 边界相离类的亲和度指数  72-74
  6.3 基于亲和度指数的类合并  74-77
  6.4 基于亲和度指数和象素数阈值的类合并  77-78
  6.5 本章小结与讨论  78-79
7 基于图像空间指数的类合并  79-94
  7.1 聚合度指数  79-84
    7.1.1 聚合度指数的定义  79-80
    7.1.2 聚合度指数的性质  80-84
  7.2 均匀度指数  84-85
  7.3 离散点切除  85-88
  7.4 捕获度指数  88-89
  7.5 几种图像空间指数的应用  89-93
    7.5.1 用捕获度阈值法进行类合并  89-91
    7.5.2 用象素数阈值根据捕获度进行类合并  91
    7.5.3 用聚合度阈值根据捕获度进行类合并  91-93
  7.6 本章小结与讨论  93-94
8 两个空间指数的综合应用及基于距离方法简述  94-98
  8.1 根据聚合度阈值和亲和伙伴进行类合并  94-95
  8.2 方法组合  95-97
  8.3 基于距离方法简述  97
  8.4 本章小结与讨论  97-98
9 人机交互及改变栅格尺寸方法  98-101
  9.1 人机交互合并  98-99
  9.2 改变栅格尺寸  99-100
  9.3 本章小结与讨论  100-101
10 应用实例  101-119
  10.1 人物图像分割  101-103
  10.2 自然景物图像分割  103-105
  10.3 提取地图上的手工勾绘线  105-106
  10.4 TM图像城镇用地信息提取  106-108
  10.5 SPOT图像分割  108-109
  10.6 TM图像分割  109-110
  10.7 本章小结  110-119
11 结论与讨论  119-122
  11.1 结论  119-121
    11.1.1 解决了两个问题  119
    11.1.2 提出了完整的方法体系  119-121
  11.2 讨论  121-122
    11.2.1 应用展望  121
    11.2.2 今后研究的重点  121-122
参考文献  122-129
附录A 本文软件简介  129-142
  A. 1 COIS主界面  129
  A. 2 编辑  129
  A. 3 查看  129-130
  A. 4 预处理  130-134
    A. 4.1 图像增强  130-132
    A. 4.2 区域扩张  132-133
    A. 4.3 灰度形态学运算  133-134
    A. 4.4 灰度拉伸  134
    A. 4.5 其它预处理  134
  A. 5 分割  134-141
    A. 5.1 编辑  136
    A. 5.2 操作  136-140
    A. 5.3 画图  140
    A. 5.4 重算直方图  140-141
  A. 6 后处理  141-142
研究生简介  142-143
导师简介  143-144
获得成果目录清单  144-145
致谢  145

面向类的图像分割方法研究

内容摘要

全文目录

相似论文