資源描述:
《基于圖論的灰度圖像分割碩士論》由會員上傳分享,免費(fèi)在線閱讀,更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、武漢理工大學(xué)碩士學(xué)位論文基于圖論的灰度圖像分割姓名:石殿國申請學(xué)位級別:碩士專業(yè):應(yīng)用數(shù)學(xué)指導(dǎo)教師:桂預(yù)風(fēng)20091201武漢理T大學(xué)碩士學(xué)位論文摘要在圖像識別技術(shù)的實(shí)現(xiàn)過程中,圖像分割是一個(gè)重要的預(yù)處理環(huán)節(jié),圖像分割效果,直接影響著后續(xù)的分類、目標(biāo)識別、圖像分析、圖像理解等過程的結(jié)果。針對著不同的圖像特點(diǎn),目前已經(jīng)提出了錯綜復(fù)雜的圖像分割算法。其中基于圖論的圖像分割算法是近幾年研究的熱點(diǎn),這類算法著眼于全局,更注重局部數(shù)據(jù)的處理,比一般方法可以獲得更佳的效果,并且圖論理論有著比較完備的數(shù)學(xué)理論基礎(chǔ),將其用于圖像處理有著較好的應(yīng)用前景。本
2、文詳細(xì)介紹了圖論算法的基本理論,將一幅圖像映射成_個(gè)加權(quán)的無向圖,將像素點(diǎn)映射為節(jié)點(diǎn),相鄰的像素之間的視覺性質(zhì)(比如灰度信息或紋理)的相似度來定義相應(yīng)的邊的權(quán)值,圖像的分割結(jié)果可以通過對圖的最小割方法來獲得。通過分析近些年基于圖論的圖像分割的現(xiàn)狀可知,目前研究的重點(diǎn)主要是對最優(yōu)割集準(zhǔn)則的設(shè)計(jì)和優(yōu)化改進(jìn),本文詳細(xì)研究了NormalizedCut算法,這種算法很好的解決了直接使用最小割方法的缺陷,將這個(gè)NP-hard的準(zhǔn)則轉(zhuǎn)化為特征方程的求解,在數(shù)學(xué)上給出了完美的解答,但是這種方法存在著求解大規(guī)模矩陣的特征向量的復(fù)雜問題,而且隨著圖像尺寸的增
3、大,計(jì)算規(guī)模也在增大,分割速度變得很慢,從而使該算法在實(shí)際應(yīng)用中效率大大降低。為此,本文對原有算法進(jìn)行了如下改進(jìn)和創(chuàng)新以提高算法的效率:(1)通過小波變換進(jìn)行高低分辨率圖像的映射,大大縮短了NormalizedCut算法消耗時(shí)長,并且可以很好的保留原始算法的優(yōu)點(diǎn);(2)通過閾值法的初始粗分割,然后應(yīng)用NormalizedCut算法。本文引入的信息熵算法的改進(jìn)算法更加準(zhǔn)確的確定分割閾值,更有效的分析圖像特征,對信息熵的改進(jìn)也是本文的創(chuàng)新之一,并且改進(jìn)了區(qū)域之間權(quán)值矩陣的確定;(3)通過分水嶺粗分割,然后映射到區(qū)間上利用歸一化割進(jìn)行分割,并且
4、引入灰關(guān)聯(lián)度的理論衡量像素間相似度來指導(dǎo)圖像的分割過程;(4)引入?yún)^(qū)域生長法對圖像實(shí)現(xiàn)粗分割,重新定義了種子點(diǎn)的選取法則,改進(jìn)了區(qū)域生長的準(zhǔn)則,并且考慮到了零星區(qū)域的合并,給出了零星區(qū)域合并的規(guī)則,最大限度的保留了原始圖像的特征,然后利用重新定義的區(qū)域間的權(quán)值函數(shù)來構(gòu)造權(quán)值矩陣,最后實(shí)現(xiàn)歸一化分割。(5)針對最小割集準(zhǔn)則存在著易于分割出圖像孤立點(diǎn)的問題,參考Normalized武漢理工大學(xué)碩士學(xué)位論文Cut算法模型,引入加權(quán)割的概念,通過求最小加權(quán)割來實(shí)現(xiàn)同時(shí)達(dá)到類間最大相異性和類內(nèi)最大一致性的圖像分割目的。(6)在詳細(xì)介紹了對最小生成樹
5、算法的基本思想、實(shí)現(xiàn)算法、分割準(zhǔn)則的基礎(chǔ)上,分析了該方法的優(yōu)缺點(diǎn),優(yōu)化分割準(zhǔn)則,確定目標(biāo)函數(shù)來指導(dǎo)分割過程,定義節(jié)點(diǎn)和區(qū)域間的權(quán)值函數(shù),充分考慮像素點(diǎn)之間的空間關(guān)系。關(guān)鍵詞:圖像分割;圖論;最小生成樹;歸一化割I(lǐng)I武漢理T大學(xué)碩士學(xué)位論文AbstractImagesegmentationisanimpotantpreprocesspartinimagerecognitionprocess,thesegmenteffectsdirectlyaffectsubsequentimageclassification,imagerecognitio
6、nandimageanalysis.Accordingtothedifferentcharacteristicsoftheimage,numerousimagesegmentationalgorithmwasproposedinrecentyears.Thiskindofalgorithmfocusonthewholesituationandpaymuchmoreattentiontotheprocessforlocaldata,itseffectisbetterthanthegene.s,andgraphtheoryhasacomple
7、tefoundationsofmathematics,itsapplicationin.imageprocessinghasgoodprospectsfordevelopment.Thispaperintroducethebasictheoryofthealgorithmbased0ngraphtheoryindetails,mappingtheimageintoaweightedundigraphandpixelintonode,theadjacentpixel’SvisualrlaUll'e(suchasgreyinformation
8、lortexture)andit'ssimilarity啪bedefinedasweights,andthee彘ctsoftheimagesegmentationcarlgetbyusingm