分享到:

基于模糊信息处理的图像分割方法研究

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。分割结果的好坏,对视觉系统的性能影响很大。图像分割同时又是一个信息不足的不适定问题。为了使问题适定化,就需要增加约束条件(先验知识)。由于视觉任务的多样性和复杂性,以及从图像中所获得的信息不同,使需要的约束条件也各不相同。由于人们事先很难精确了解在成像过程中信息损失的情况,这就给先验知识的精确数学刻画带来很大的难度。另外,由于成像中各种因素的影响,使得要分割的目标与背景之间一般都带有一定的相似性和不确定性。而模糊集合论及由此而发展起来的模糊信息处理技术,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及先验的约束条件,将图像像素进行智能分类的过程。基于以上原因,本文研究了以模糊信息处理技术为基础,利用不同的图像信息进行图像分割的原理,提出了一系列新的思想和方法  (本文共147页) 本文目录 | 阅读全文>>

西安电子科技大学
西安电子科技大学

基于模糊技术的图像处理方法研究

图像处理是图像工程的低层次操作,其处理效果对图像的高层次操作,即图像分析和计算机视觉的影响很大。但由于图像处理问题本身的复杂性和学科交叉性,几十年来该问题一直是研究的热点。图像本质上具有模糊性,这是由于(1)三维目标投影在二维图像平面上带来的信息丢失。(2)定义边界、区域和纹理等图像特征时存在模糊性。(3)对图像底层处理结果的解释带有模糊性。因此,模糊信息处理技术在图像处理中的使用有其内在的合理性和必然性。基于上述原因,本文提出了许多基于模糊信息技术的图像处理新方法和新思想,并取得了良好的效果。本文共分为七章,主要内容如下:第一章为绪论,阐述了图像处理是计算机视觉和机器智能研究中的基本问题,论述了模糊信息技术在解决图像处理问题时有其必然性和合理性。最后列出了本文取得的主要研究成果。第二章简要介绍了和本论文相关的模糊数学知识,作为本论文的数学预备。第三章提出了一些图像空域增强算法,即几种局部运算方法。该章对图像中不同类型加性脉冲噪...  (本文共130页) 本文目录 | 阅读全文>>

重庆大学
重庆大学

基于小波变换和模糊理论的图像分割方法研究

图像分割是计算机视觉领域一个重要而基本的问题,尤其是图像理解、成像目标的识别与跟踪、机器人视觉中的一项关键技术。图像分割是指把图像分解成各具特性的区域并提取出感兴趣目标的技术和过程,它是从图像处理到图像分析的一个关键步骤,在图像工程中占有非常重要的位置,并且己在诸如计算机视觉、模式识别和医学图像处理等实际中得到了广泛的应用。所以对图像分割的研究一直是图像技术研究中热点和焦点之一,从而导致图像分割的算法层出不穷。然而现有的图像分割算法对目标的检测和识别,多数未达到令人满意的结果,因此,根据实际课题的需要,本文展开了对图像分割方法的研究。结合本人参加的重庆市自然科学基金资助项目——图像处理技术及应用基础研究(CSTC2005BA2002),论文主要涉及了以下内容:利用小波变换具有低熵性、多分辨性质、去相关性、小波基选择的多样性和良好的时频局部化等特性,研究了小波多尺度边缘检测算法,得到了一些有用的结论,如在分辨率高(小尺度)时,图像...  (本文共71页) 本文目录 | 阅读全文>>

《科学中国人》2016年27期
科学中国人

基于模糊信息处理的图像分割方法研究

人类在获取外在世界信息的过程中有80%是通过视觉来获得的,而人的视觉系统却是一个好的信息处理的大系统,它能够准确的将复杂的外部景物进行识别、追踪并通过大脑对这些信息进行判断和处理。让机器模拟人的视觉系统进行研究形成了一门交叉学科—计算机视觉学。计算机视觉研究对计算机自动化、智能化水平有极大的促进作用。计算机平常处理的是数字和符号信息,而计算机视觉低层次的处理是通过二位数字图像阵列进行的,对于高层次的处理就需要用符号来表达了,在数字向符号的转化过程中须把数字表达的图像阵列转化为能够表征该数字集的具有几何特征的符号,该过程就要用到分割。分割是计算机视觉的最基本问题,因为它是视觉系统性能的关键性因素,所以图像分割问题成为人们热衷研究的热点问题。1 模糊信息处理在图像分割中的意义模糊信息处理是利用模糊数学来处理带有模糊不确定性的信息,之所以会存在这样的模糊性主要原因是:首先,日常生活中存在的很多对象本身就具有模糊性,也可以说是具有一系列...  (本文共2页) 阅读全文>>

北京林业大学
北京林业大学

面向类的图像分割方法研究

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。C...  (本文共145页) 本文目录 | 阅读全文>>

重庆大学
重庆大学

支持向量机的模型及其在图像分割中的应用

支持向量机是Vapnik及其研究小组提出的一种全新的模式识别技术。在使用结构风险最小化原则替代经验风险最小化原则的基础上,支持向量机综合了统计学习、机器学习和神经网络等方面的技术,并被证明可在最小化结构风险的同时,有效地提高算法的推广能力。由于其完备的理论基础和良好的实验结果,支持向量机日渐引起研究人员的重视。但是,尽管具有以上优点,支持向量机在实践应用中仍不同程度地存在一些缺陷,例如:结构风险的界非常宽松、在学习中对数据集缺乏自适应性、对噪声数据过于敏感等。在对支持向量机模型予以改进的方面,本论文针对这三个问题做了如下研究:针对支持向量机的结构风险的界非常宽松的问题,本论文提出了基于支持向量机的分段线性学习模型。该模型不仅能够在不需要引入核变换的情况下,在遵循结构风险最小化原则的基础上,直接对分段线性可分的数据集进行有效学习;而且能够对只能用高度非线性函数才能正确分类的数据集,在降低学习机器的结构复杂度的情况下,实现对数据集的...  (本文共115页) 本文目录 | 阅读全文>>

华中科技大学
华中科技大学

基于模糊聚类分析的图像分割技术研究

图像分割就是指把图像分解成各具特性的区域并提取出感兴趣目标的技术和过程,它是由图像处理到图像分析的一个关键步骤,在图像工程中占有非常重要的位置,并且已在诸如计算机视觉、模式识别和医学图像处理等实际中得到了广泛的应用。尽管人们在图像分割研究方面做了许多工作,提出的算法数以千计,但至今仍无通用的分割算法,也不存在一个判断分割是否成功的客观标准。在众多的分割算法中,基于聚类分析的图像分割方法是图像分割领域中一类极其重要和应用相当广泛的算法,而聚类分析中用得最普遍的是模糊C-均值聚类。采用模糊C-均值聚类的方法进行图像分割,避免了阈值设定的问题,聚类过程中不需要任何人工的干预,对于图像分割自动化有重要的意义。然而,模糊C-均值聚类算法进行图像分割存在着多个方面的问题,诸如聚类类别数难以确定、如何确定有效的初始类中心和初始隶属度矩阵的问题、迭代容易陷入局部极值的问题、迭代过程中的计算量太大、空间结构信息未能有效利用、分割出来的区域不连续以...  (本文共125页) 本文目录 | 阅读全文>>