学位论文 > 优秀研究生学位论文题录展示

基于像素级多特征的图像分割方法研究

作　者: 王亭
导　师: 王向阳
学　校: 辽宁师范大学
专　业: 计算机软件与理论
关键词: 模糊C均值(Fuzzy C-Means)聚类支持向量机(SVM) Laws纹理测同质性模型 Gabor滤波器
分类号: TP391.41
类　型: 硕士论文
年　份: 2011年
下　载: 28次
引　用: 0次
阅　读: 论文下载

内容摘要

图像分割是图像处理的一个重要工具,一个有效的、前端的、复杂的算法。它能够简化对图像的后续处理,并在视频和计算机视觉方面都有应用,如目标定位或识别、数据压缩、跟踪、图像检索等等。虽然大量的图像分割算法已被广大研究者提出并改进,但是没有人提出一种完美的,适合于任何一种图像的分割算法,现有的方法都多少存在着方法或算法上的不足。因此到目前为止,图像分割作为一个重要工具的同时,仍然是图像处理领域的一个具有挑战性的难题。当前,对基于像素级、多特征、多种分割算法相结合的分割方法的研究,已经成为图像分割领域的热点。通过认真总结,本文对模糊聚类算法和优于传统机器学习的支持向量机方法,从理论和实验结果等方面都进行了全面系统的比较和分析。通过像素颜色,纹理等特征来描述图像的具体信息,并结合模糊C均值聚类(FCM,Fuzzy C-Means)算法和支持向量机(SVM)的方法展开实验,主要任务如下:1.本文对模糊聚类算法特别是模糊C均值聚类(FCM,Fuzzy C-Means)分割算法进行细致深入的研究探讨,并认真研究了模糊聚类图像分割算法中初始聚类类别数目的确定、初始聚类中心和隶属度函数的选择。2.以模糊C均值聚类(FCM,Fuzzy C-Means)理论为基础,提出了一种结合laws纹理测度与自适应阈值的FCM聚类算法对图像进行分割。通过大量实验对比表明,该算法与人的视觉感知系统一致性好,对噪声有良好的抑制效果,节省实验过程中程序运行的时间,提高图像分割速度。3.通过核函数类型、核参数、惩罚因子等因素,对采用支持向量机(SVM)进行图像分割的方法的可行性进行了分析、研究,提出了一种基于无监督的支持向量机分类算法,为使用支持向量机方法(SVM)进行图像分割提供了依据。4.在对多种图像分割算法研究的基础上,提出基于像素的彩色图像分割算法,分别利用同质性,Gabor滤波器方法提取图像的颜色和纹理特征,使用优于传统机器学习的支持向量机(SVM)分类。实验结果表明,该方法有非常好的计算性能和功效,并降低了分割时间,与最近的研究结果相比,提高了彩色图像的分割质量。

全文目录

摘要  4-5
Abstract  5-9
引言  9-12
  1.1 图像分割研究背景和意义  9-10
  1.2 图像分割算法研究概况  10-11
  1.3 文章内容结构和概括  11-12
2 概述图像分割  12-17
  2.1 概念描述  12
  2.2 图像分割方法概述  12-14
    2.2.1 边缘检测的图像分割方法  12-13
    2.2.2 阈值分割技术  13
    2.2.3 以区域为基础的图像分割方法  13-14
    2.2.4 聚类方法  14
  2.3 图像分割的评价体系  14-16
  2.4 本章小结  16-17
3 一种基于laws 纹理测度和自适应阈值的FCM 图像分割算法  17-28
  3.1 模糊C 均值（Fuzzy C-Means）聚类图像分割算法简介  17-18
  3.2 模糊Laws 纹理测度与特征提取  18-20
  3.3 模糊自动阈值处理：Otsu 方法  20-21
  3.4 laws 纹理测度和自动阈值的FCM 图像分割  21-23
  3.5 实验结果  23-27
  3.6 不同方法的质量对比  27
  3.7 小结  27-28
4 应用像素级特征的SVM 彩色图像分割方法  28-41
  4.1 支持向量机（SVM）的概念  28
  4.2 支持向量机（SVM）  28-32
    4.2.1 线性支持向量机  28-30
    4.2.2 非线性支持向量机(Non-linear SVM)  30-32
  4.3 提取基本特征  32-37
    4.3.1 构造颜色特征  32-34
    4.3.2 构造纹理特征  34-37
  4.4 算法描述  37-38
  4.5 实验结果和分析  38-40
  4.7 小结  40-41
5 结论  41-43
  5.1 已完成的工作和创新  41
  5.2 展望  41-43
参考文献  43-46
攻读硕士期间研究成果  46-47
致谢  47

基于像素级多特征的图像分割方法研究

内容摘要

全文目录

相似论文