学位论文 > 优秀研究生学位论文题录展示

基于几何约束和熵率的超像素分割

作　者: 张育雄
导　师: 操晓春; 薛京生
学　校: 天津大学
专　业: 软件工程
关键词: 超像素图像分割紧凑率熵率懒惰贪心算法
分类号: TP391.41
类　型: 硕士论文
年　份: 2012年
下　载: 9次
引　用: 0次
阅　读: 论文下载

内容摘要

本课题主要研究的是目前非常流行的分割之一——超像素分割，超像素分割是图像处理的重要过程，也是计算机视觉领域重点攻克的课题之一。目前超像素分割技术也逐渐应用于医学图像诊断、军事精确打击、数字图像处理、目标跟踪、模式识别、虚拟现实场景、3D重建、建筑物定位布局、大气图像分析等领域，而且取得了显著地成果。首先，本文在熵率切割研究的基础上，加入几何形状约束条件，提出了一个新颖的基于几何约束和熵率的超像素分割方法，本方法通过结合使用了熵率切割的准确性、几何约束的规则性和平衡项的均匀性，将图像分割成为同质的、规则的、紧凑的、大小均匀的超像素块。其次，本课题提出了一个结合这三方面性质的目标函数，而且此目标函数具有单调性和子模性。再次，本文采用组合优化和懒惰贪心算法的方法完成了超像素分割的优化实现，得到了很好的效果。最后，本文的应用意义很明确，它具有非常好的抗噪能力，实验证明，本课题方法适用于处理嘈杂的高噪声场景的图片，在效果上和时间上都是领先其它超像素分割算法的效果。正如上面第四点贡献所言，在现实生活中，人们多数会碰到嘈杂的场景，而嘈杂场景的图像处理一直是人们关注和需要解决的棘手问题，本课题的研究成果很有实用意义，因此本方法有很大的推广使用的前景。另外，本文所使用的熵率理论、几何理论都可以使用在计算机图像处理的其他方面，本文所得到的效果可以使用于医学、军事、计算机应用等等领域，能得到很好地应用效果，最后，本课题研究还有待提高，得到更好地超像素效果。

全文目录

摘要  3-4
ABSTRACT  4-5
目录  5-8
图表目录  8-9
第一章绪论  9-18
  1.1 前言  9-10
  1.2 研究背景与意义  10-11
  1.3 图像分割技术概述  11-13
    1.3.1 图像分割的定义  11
    1.3.2 图像分割的方法与分类  11-12
    1.3.3 图像分割与超像素分割技术  12-13
  1.4 超像素分割技术概述  13-15
    1.4.1 超像素分割的提出与定义  13-14
    1.4.2 超像素分割的方法与分类  14-15
  1.5 超像素分割的用处  15
  1.6 技术路线图与研究框架  15-17
    1.6.1 本文研究的技术路线图  15-16
    1.6.2 本文研究主要工作与研究框架  16-17
  1.7 本章小结  17-18
第二章超像素分割的研究现状  18-21
  2.1 国内研究现状  18-19
  2.2 国外研究现状  19-20
    2.2.1 超像素理论研究现状  19-20
    2.2.2 超像素的应用现状  20
  2.3 本章小结  20-21
第三章超像素分割的理论知识  21-29
  3.1 图割与熵率知识  21-23
    3.1.1 图像的图表示与图构成  21-22
    3.1.2 熵与熵率  22-23
    3.1.3 图上的随机游走模型  23
  3.2 几何基础知识  23-25
    3.2.1 基于矩形的形状规则约束  24
    3.2.2 基于凸包的形状规则约束  24-25
  3.3 组合优化算法  25-28
    3.3.1 图拟阵问题  26
    3.3.2 子模函数  26-27
    3.3.3 贪心算法  27-28
    3.3.4 并查集  28
  3.4 本章小结  28-29
第四章基于几何约束与熵率的超像素分割  29-38
  4.1 构建超像素分割问题  29-35
    4.1.1 图的构造  29-30
    4.1.2 熵率条件  30-32
    4.1.3 几何约束条件  32-34
    4.1.4 平衡条件  34
    4.1.5 组合目标函数  34-35
  4.2 优化解决超像素分割问题  35-37
    4.2.1 贪心启发算法  35-36
    4.2.2 算法实现的效率  36-37
  4.3 本章小结  37-38
第五章实验结果与分析  38-44
  5.1 实验测量指标  38-39
    5.1.1 边界响应率（BR）  38-39
    5.1.2 重叠率（OR）  39
    5.1.3 计算耗时（CC）  39
  5.2 实验效果分析  39-41
  5.3 实验成果展示  41-43
  5.4 本章小结  43-44
第六章总结与展望  44-46
  6.1 总结  44-45
    6.1.1 技术总结  44-45
    6.1.2 成果总结  45
  6.2 展望  45-46
参考文献  46-50
发表论文和参加科研情况说明  50-51
致谢  51

相似论文

森林防火系统中图像识别算法的研究,TP391.41
数字图像处理在集装箱检测中的应用研究,TP274.4
个性化人工膝关节设计及其生物力学特性研究,R318.1
基于图像处理技术的烟叶病害自动识别研究,S435.72
红外图像目标识别及跟踪技术研究,TP391.41
细菌聚类算法及其在图像分割问题中的研究与应用,TP391.41
基于可视特征的彩色图像分割方法及应用研究,TP391.41
基于水平集区域分割的医学图像融合算法研究,TP391.41
基于LiDAR点云与CCD影像的建筑物特征提取,P225.2
基于粒子群优化的Fuzzy c-mean聚类算法的基因芯片图像处理,TP391.41
基于视觉的类人足球机器人目标定位算法设计,TP391.41
基于马尔可夫随机场模型的医学图像分割方法研究,TP391.41
基于Otsu算法与数学形态学的图像分割算法研究,TP391.41
肺部病灶感兴趣区域分割算法研究,TP391.41
基于CCD探测技术的棉花“三丝”自动剔除系统研究,TP391.41
基于参数活动轮廓模型的医学图像分割方法研究,TP391.41
基于Snake模型的参数活动轮廓模型在医学图像处理中的应用,TP391.41
基于改进的Snake模型的肝脏分割方法的研究,TP391.41
基于小波分析和梯度矢量流的医学图像分割的研究,TP391.41
基于纹理的图像分割方法研究,TP391.41
基于单目夜视图像的深度估计,TP391.41