資源描述：
《基于圖論的灰度圖像分割碩士論》由會(huì)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(qǐng)學(xué)位級(jí)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(shí)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(shí)別、圖像分析、圖像理解等過程的結(jié)果。針對(duì)著不同的圖像特點(diǎn)，目前已經(jīng)提出了錯(cuò)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(duì)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(duì)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(duì)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(duì)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(duì)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(duì)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(duì)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
