学位论文 > 优秀研究生学位论文题录展示

基于商空间的纹理图象分割研究

作　者: 刘仁金
导　师: 黄贤武
学　校: 安徽大学
专　业: 计算机应用技术
关键词: 商空间粒度图象分割纹理图象粒度合成小波变换模糊商空间
分类号: TP391.41
类　型: 博士论文
年　份: 2005年
下　载: 511次
引　用: 7次
阅　读: 论文下载

内容摘要

多年来,人工智能研究者们对人类处理复杂问题的能力进行了深入研究,并建立了许多形式化模型。其中商空间理论模型是具有代表性的一种模型,它从人类思维方式受到启发,并借用粒度概念,从多角度、多层次来分析同一问题,并运用粒度原理把从不同层次、不同角度上获得的信息进行合成,进而形成对问题的全面认识。图象分割是图象分析及计算机视觉系统必不可少的重要环节,也是计算机视觉研究领域中一个既基本而又困难的问题。几十年来,人们做了大量研究工作,提出了许多不同的图象分割算法,然而,图象分割还是一个远未得到很好解决的问题。因此,探索基于人工智能的适应于人类视觉特性的图象处理方法是一个挑战性课题。论文从商空间粒度概念出发,研究了基于商空间理论的图象处理问题,重点研究商空间理论在纹理图象分割领域中的应用。尝试用商空间粒度理论来建立统一的图象分析、图象处理的思维方法与算法框架。在本文中主要对如下几个方面内容进行了研究: 1、通过对粒度概念及粗糙集、模糊集等粒度计算理论的比较研究以及对图象分割概念分析及对现有的图象分割方法系统分析,提出了图象分割中的商空间粒度原理。并用商空间粒度计算理论来统一图象分割方法,从而初步建立了基于粒度计算理论的图象分割理论框架。 2、给出了基于图象象素8-邻域算子的离散傅立叶变换的纹理图象分割算法。根据商空间粒度模型,提出用8-邻域算子的傅立叶变换系数来形成象素块直方图,并用直方图间的距离来构造象素分类的等价关系,通过聚类方法,实现对纹理图象的分割,实现结果表明该算法是有效的。 3、提出了基于粒度合成技术原理的纹理图象分割算法。充分利用人类视觉感知特性,借用粒度合成技术原理,通过分别提取纹理区域的方向性特征和粗细度特征,形成图象的不同粒度,根据粒度合成的数学模型,成功设计出纹理图象的分割算法,实验取得了明显效果。

全文目录

中文摘要  3-5
Abstract  5-12
第一章绪论  12-27
  1.1 研究背景与意义  12-13
  1.2 商空间理论的基本概念  13-20
    1.2.1 粒度概念  13-14
    1.2.2 粒度计算  14-15
    1.2.3 粒度计算的几种方法  15-19
    1.2.4 商空间粒度描述  19-20
  1.3 商空间粒度理论的研究现状  20-21
  1.4 主要工作及贡献  21-22
  1.5 文章结构安排  22-24
  参考文献  24-27
第二章基于商空间的图象分割理论  27-41
  2.1 商空间粒度计算基本理论  27-31
    2.1.1 商空间概念  27
    2.1.2 问题求解的商空间描述法  27-28
    2.1.3 等价关系与划分  28
    2.1.4 商空间粒度关系推理  28-29
    2.1.5 粒度的确定  29-31
  2.2 粒度计算的分层与合成原理  31-32
    2.2.1 分层与合成技术  31
    2.2.2 论域的合成  31
    2.2.3 拓扑结构的合成  31-32
    2.2.4 属性函数的合成  32
  2.3 图象分割中的粒度原理  32-36
    2.3.1 图象分割概念  32-33
    2.3.2 图象分割方法中的粒度原理  33-34
    2.3.3 商空间下的图象分割原理  34-36
  2.4 基于商空间粒度计算理论的图象分割框架  36-37
    2.4.1 基于粒度分层技术的分割原理  36
    2.4.2 基于粒度合成技术的分割原理  36-37
    2.4.3 综合利用分层与合成技术的分割理论  37
  2.5 本章小结  37-38
  参考文献  38-41
第三章基于粒度分层技术的纹理图象分割  41-60
  3.1 关于纹理定义  41-43
  3.2 关于纹理描述  43-45
    3.2.1 统计方法  43-44
    3.2.2 结构方法  44-45
    3.2.3 模型方法  45
    3.2.4 信号处理方法  45
  3.3 纹理图象分割方法概述  45-47
    3.3.1 基于统计方法的纹理分割方法  46
    3.3.2 基于结构方法的纹理图象分割  46-47
    3.3.3 基于空间频率方法的纹理图象分割  47
    3.3.4 监督和无监督纹理图象分割  47
  3.4 基于商空间模型的纹理图象分割原理  47-52
    3.4.1 纹理分割的商空间描述  48
    3.4.2 纹理特征分析与提取  48-51
    3.4.3 构造等价关系  51-52
  3.5 图象分割的算法  52-55
    3.5.1 算法流程及算法描述  53
    3.5.2 实验结果及分析  53-55
  3.6 本章小结  55-57
  参考文献  57-60
第四章基于粒度合成技术的纹理图象分割  60-72
  4.1 基于视觉机理的纹理特征  60-61
    4.1.1 视觉感知基本机理  60-61
    4.1.2 基于视觉机理的纹理特征  61
  4.2 基于合成技术的纹理图象分割原理  61-63
    4.2.1 论域合成  62
    4.2.2 拓扑结构合成  62
    4.2.3 属性函数合成  62-63
  4.3 基于合成技术原理的图象分割算法  63-65
  4.4 实验结果及分析  65-66
  4.5 信息融合与粒度合成  66-68
    4.5.1 信息融合定义  66-67
    4.5.2 信息融合作用  67-68
    4.5.3 粒度合成与信息融合区别与联系  68
  4.6 本章小结  68-70
  参考文献  70-72
第五章基于粒度与小波变换的纹理图象分割  72-93
  5.1 小波理论的发展概述  72-74
  5.2 基本小波理论  74-81
    5.2.1 小波变换  74-75
    5.2.2 第一代小波  75-79
    5.2.3 第二代小波  79-81
  5.3 小波理论的本质发现  81-84
    5.3.1 商空间逼近原理  81-82
    5.3.2 小波理论本质  82-84
  5.4 小波变换在图象分割中应用  84-85
  5.5 基于小波变换与粒度分层合成技术的图象分割  85-88
    5.5.1 算法流程  85
    5.5.2 算法描述  85-86
    5.5.3 主要步骤  86-88
  5.6 实验结果及分析  88-89
  5.7 本章小结  89-90
  参考文献  90-93
第六章模糊商空间理论下的纹理图象分割  93-105
  6.1 模糊商空间  93-95
  6.2 模糊聚类方法  95-99
    6.2.1 硬聚类方法  96
    6.2.2 模糊划分与模糊聚类  96-97
    6.2.3 可能性聚类算法  97
    6.2.4 模糊软聚类  97-99
  6.3 基于模糊商空间的纹理图象分割  99-101
    6.3.1 分割算法原理  99-100
    6.3.2 算法流程  100
    6.3.3 图象分割算法描述  100-101
  6.4 实验结果及分析  101-102
  6.5 本章小结  102-103
  参考文献  103-105
第七章总结与进一步工作  105-109
致谢  109-110
附录读博期间所发表的论文  110-111
附录读博期间参加的科研工作  111

基于商空间的纹理图象分割研究

内容摘要

全文目录

相似论文