学位论文 > 优秀研究生学位论文题录展示

基于多尺度理论的图像分割方法研究

作　者: 王鹏伟
导　师: 吴秀清
学　校: 中国科学技术大学
专　业: 信号与信息处理
关键词: 多尺度分析方法多尺度图像预处理小波变换 MAR模型 Markov随机场多尺度MRF模型多尺度理论图像分割
分类号: TP391.41
类　型: 博士论文
年　份: 2007年
下　载: 2313次
引　用: 31次
阅　读: 论文下载

内容摘要

图像分割是数字图像处理领域的关键技术之一，它的重要性使得它一直是研究的热点。图像分割中常存在的矛盾是：分割的精确性与易分割性的矛盾、过分割和欠分割的矛盾，这些矛盾用固定尺度的分割技术较难解决。由于在自然界和工程实践中，许多现象或过程都具有多尺度特征，所以，采用多尺度分析方法来描述、分析这些现象或过程，能更全面地刻画它们的本质特征。多尺度分析方法通过综合不同尺度的图像信息，把精细尺度的精确性与粗糙尺度的易分割性统一了起来，这种分析方法非常适合自动或半自动的图象分割。本论文从三个方面深入研究基于多尺度理论的图像分割方法。首先，从尺度空间的角度入手，借助小波变换方法，研究多尺度的图像预处理；其次，引入多尺度自回归(MAR)模型，并结合小波变换，构建多尺度数据结构；最后，研究多尺度分割策略，以多尺度马尔可夫随机场模型为主要研究方向，将其用于图像分割中，并在此基础上提出一些改进。本文的主要工作和贡献如下：1、提出一种基于小波变换的结构形态学尺度空间滤波方法。通过不同尺度的结构元素，构建结构形态学尺度空间，利用小波变换，融合各尺度信息，消除形态学尺度空间方法的缺陷，这种滤波方法既抑制了噪声又较好的保持了目标轮廓信息。在此基础上设计出快速分水岭分割算法，较好地解决了传统分水岭分割算法的过分割问题。2、通过分析基于小波变换的动态系统模型，提出一种基于小波变换的多尺度Kalman滤波方法。算法利用小波变换的多尺度特点，把初始预测序列多尺度分解，并在各尺度层上进行Kalman滤波估计，再利用小波重构来融合各层的估计信息，获得更为精确的估计。该算法将小波变换和分层Kalman滤波结合起来，实验表明滤波效果较好。3、通过研究MAR模型，分析了以此模型构建多尺度数据结构的优点，并在此基础上提出一种基于MAR模型的SAR图像SVM分割算法。算法依据SAR图像特性以及SAR图像目标在不同分辨率下的自相似性，构造SAR图像的MAR模型，并提取适合SAR纹理图像的多尺度特征矢量。最后，通过一种广义加权支持向量机分类方法，对多尺度特征矢量合理分类。4、针对使用条件概率分布时参数估计的复杂性以及有时难用理论方法推导出较准确的分布形式这两大问题，提出一种基于SVM后验概率的MRF分割方法。算法依据贝叶斯公式将对条件概率估计转换为后验概率估计，经样本训练，通过对SVM决策函数输出的映射来产生后验概率，并将SVM估计的后验概率信息带入MRF模型实现分割。5、提出了一种基于上下文信息的图像分割方法，通过一种上下文参数近似估计方法，来实现尺度内和尺度间的相邻节点间的信息交互，较好地解决多尺度MRF分割方法在均匀区域内存在小面积误分类以及区域边界处划分不够精确和平滑的问题，并保持了原模型的简洁性。6、将MAR模型与多尺度MRF模型相结合。提出一种基于小波—MAR模型的半塔多尺度MRF分割方法，在多尺度MRF分割中引入MAR模型结构，构成标号场和观测场的双半塔结构，提高多尺度分割算法的精度和效率。

全文目录

摘要  3-5
Abstract  5-13
第一章绪论  13-25
  1.1 图像分割的理论基础  14-17
    1.1.1 图像分割定义  14-15
    1.1.2 图像分割的一般过程  15-16
    1.1.3 图像分割研究的三个层次  16-17
  1.2 图像分割技术的现状  17-19
    1.2.1 固定尺度分割  17-18
    1.2.2 多尺度分割  18-19
  1.3 多尺度分析方法在图像分割中的应用现状  19-21
  1.4 本论文研究重点、创新及章节安排  21-25
第二章小波分析理论  25-37
  2.1 短时傅里叶变换和小波变换  25-28
    2.1.1 短时傅立叶变换  25-26
    2.1.2 小波变换  26-28
  2.2 多分辨率分析  28-29
  2.3 正交小波和双正交小波  29-32
    2.3.1 正交小波  29-31
    2.3.2 双正交小波  31-32
  2.4 离散小波变换的快速算法  32-36
  2.5 本章小结  36-37
第三章基于多尺度的图像预处理  37-55
  3.1 尺度空间理论  37-42
    3.1.1 线性尺度空间  39
    3.1.2 非线性尺度空间  39-40
    3.1.3 形(shape)尺度空间  40-41
    3.1.4 结构形态学尺度空间  41-42
  3.2 基于小波变换的形态学尺度空间融合分割  42-47
    3.2.1 多尺度结构元素选取及多尺度形态滤波  43
    3.2.2 基于小波变换的图像融合  43-45
    3.2.3 改进的快速分割算法  45-46
    3.2.4 实验与结论  46-47
  3.3 基于小波变换的多尺度Kalman滤波  47-54
    3.3.1 多尺度动态系统的描述及Kalman最优滤波  48-49
    3.3.2 基于小波变换的多尺度动态系统描述  49-50
    3.3.3 基于小波变换的多尺度Kalman滤波  50-52
    3.3.4 实验仿真与结论  52-54
  3.4 本章小结  54-55
第四章基于MAR模型的多尺度数据结构  55-73
  4.1 多尺度自回归(MAR)模型  56-57
  4.2 MAR模型的全局Markov性  57-60
  4.3 基于MAR模型的SAR图像SVM分割  60-68
    4.3.1 SAR图像的MAR模型  60-64
    4.3.2 广义加权支持向量机分类  64-66
    4.3.3 实验结果及分析  66-68
  4.4 基于小波变换的MAR模型  68-71
  4.5 本章小结  71-73
第五章基于多尺度MRF模型的分割策略  73-101
  5.1 Markov随机场与Gibbs分布  73-77
    5.1.1 邻域系统与集簇  73-75
    5.1.2 Markov随机场  75-76
    5.1.3 Gibbs分布  76-77
  5.2 Markov随机场模型  77-78
  5.3 用于图像分割的MRF模型  78-84
    5.3.1 MAP—MRF体系  78-80
    5.3.2 后验能量函数优化算法  80-81
    5.3.3 参数估计及EM算法  81-84
  5.4 基于SVM后验概率的MRF分割  84-90
    5.4.1 支持向量机的后验概率  84-86
    5.4.2 基于后验概率的MRF模型  86-87
    5.4.3 实验结果及分析  87-90
  5.5 多尺度Markov随机场模型  90-100
    5.5.1 多尺度MRF模型结构  90-92
    5.5.2 三类估计算法  92-98
    5.5.3 多尺度MRF模型参数估计  98-100
  5.6 本章小结  100-101
第六章多尺度MRF模型在分割中的应用与改进  101-121
  6.1 基于上下文信息的多尺度MRF图像分割  101-109
    6.1.1 基于上下文信息的多尺度MRF模型  101-104
    6.1.2 实验结果及分析  104-109
  6.2 基于MAR数据结构的半塔多尺度MRF图像分割  109-120
    6.2.1 基于小波—MAR结构的多尺度MRF模型  109-112
    6.2.2 半塔结构的多尺度MRF模型  112-113
    6.2.3 半塔结构的多尺度MRF模型的估计算法  113-116
    6.2.4 半塔结构的多尺度MRF模型的参数估计  116
    6.2.5 实验结果及分析  116-120
  6.3 本章小结  120-121
第七章结束语  121-123
参考文献  123-133
在读博期间发表的论文及参加的科研项目  133-135
致谢  135

相似论文

基于TMS320C6713的SPIHT图像压缩算法研究及实现,TP391.41
图像的稀疏表示及编码模型研究,TP391.41
森林防火系统中图像识别算法的研究,TP391.41
唇读中的特征提取、选择与融合,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
羊绒与羊毛纤维鉴别系统的研究,TS101.921
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
感觉刺激诱发脑电特征研究,R318.0
网络传输中的ROI图像编码算法研究,TN919.81
基于多尺度分析的图像融合算法研究,TP391.41
基于小波变换的三维模型特征提取技术的研究与实现,TP391.41
轮廓波变换及其在图像处理中的应用,TP391.41
基于小波的雷达视频压缩方法研究,TN957.52
脊波变换在全色图像和多光谱图像融合中的应用研究,TP391.41
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
一种多数据流聚类异常检测算法,TP311.13
基于图像的信息隐藏技术研究,TP309.7
基于DM6446与小波的图像压缩系统设计与实现,TP391.41