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>>

《信息系统工程》2017年11期
信息系统工程

基于模糊信息处理的图像分割方法研究

一、模糊信息处理及图像分割简单来说,图像分割就是一种通过图像信息实现分类的过程,图像信息因为成像或者其他因素的影响,都存在一定的模糊性质,那么就要对模糊信息进行描述及提取,从而能够实现有效分类。在图像分割过程中,选择某种图像信息,或者如何使用图像信息,是图像跟个过程中的关键。图像中的信息较为丰富,其主要包括两大类的信息,分别为显式信息及隐式信息。显式信息指的是图像像元的灰度变化,其能够将图像像元灰度统计及空间领域排列信息显示出来,这种信息就是图像语法信息。隐式信息指的是图像中的语义及语用信息,这些信息与具体视觉有关。图像信息较为复杂,很难通过经典精确数学语言表示,而是通过人类语言表示,所以图像中的信息具有较强的模糊信息特点[1]。二、基于模糊熵及代价函数的图像分割如果图像较为模糊,或者受到其他因素的干扰,那么在图像分割过程中通过阀值实现效果并不理想,可以通过代价函数最小化实现。首先,将已有的图像重新组合成为理想图像;之后将重新组...  (本文共1页) 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>>

《中国图象图形学报》2011年05期
中国图象图形学报

基于熵的两区域图像分割

0引言近20年来,图像分割一直是多媒体,图像处理和计算机视觉领域的重要研究课题。所谓的图像分割,就是将给定图像划分成若干有意义的区域,同一区域内的图像像素拥有类似的图像特性,不同区域的像素拥有不同的图像特性。设计合适的图像特性相似性测度是图像分割成功的关键。到目前为止,研究人员已设计出许多的相似性测度[1-12]。在众多相似性测度定义中,有一部分相似性测度定义基于信息论[7-9]。这类测度基于如下观点:同一图像区域是服从某随机变量的样本集,不同图像区域间的相似性可以通过所对应随机变量的差异和信息量来衡量。事实上,信息论很早就被运用于图像处理研究。例如,Collignon等人[13-15]首次在图像配准研究中,采用互信息(mutual information)度量两幅图像间的相似性。两图像间的互信息越大,说明图像相似度越高。Kapur等人基于图像信号的随机性,提出最大熵图像分割方法[11];随后Pal等人利用2维灰度直方图,对最大...  (本文共7页) 阅读全文>>

《计算机工程与应用》2011年32期
计算机工程与应用

图像分割质量评价的二型模糊集方法

1前言图像分割是图像工程中基本且重要的问题,是图像理解、机器视觉的关键技术。目前提出了各样的分割算法,但尚无一种适合各类图像的通用算法。因此,研究评价图像分割质量的客观标准成为图像分割研究领域的热点问题[1]。图像本身因为照度不均匀、明暗差别大以及目标与背景之间存在边缘模糊等不确定性问题,导致了对图像分割结果进行客观评价的难度。现有图像分割评价方法分为有监督和无监督法。前者融入了人为因素,缺乏客观性和一般性;后者大都采用单因素(单指标)评价准则,缺乏全面性,现有采用多因素评价准则时,需引入一些权重参数,这就不可避免地带有主观性。1965年,美国学者L.A.Zadeh引入模糊集概念,以精确的方式处理具有不精确性的问题,为智能信息处理提供了有效工具。图像成像过程是一种多对一的映射过程,决定了图像本身存在模糊性。传统的模糊集只能从单一角度描述对象,且隶属函数的选择缺乏全面性和客观性。文献[2]提出二型模糊集的概念,对很难给出隶属函数的...  (本文共4页) 阅读全文>>