学位论文 > 优秀研究生学位论文题录展示

粒计算在图像分割中的应用

作　者: 李恩群
导　师: 谢克明
学　校: 太原理工大学
专　业: 控制理论与控制工程
关键词: 粒度分层模型粒度分层结构粒计算图像分割区域生长法
分类号: TP391.41
类　型: 硕士论文
年　份: 2009年
下　载: 76次
引　用: 0次
阅　读: 论文下载

内容摘要

粒计算是信息处理的一种新的概念和计算范式,覆盖了所有和粒度相关的理论、方法、技术和工具的信息,主要用于描述和处理不确定的、模糊的、不完整的和海量的信息以及提供一种基于粒和粒间关系的问题求解方法。粒计算的基本思想是在问题求解中粒的使用,它通过粒对现实问题的抽象、粒之间的关系、粒的分解和合成以及粒或者粒集之间的转换来描述和解决问题。粒计算,通俗地讲,就是以粒为单位来进行计算。粒是我们对现实的抽象,它的目标是建立高效的以用户为中心的对于外界世界的观点,从而支持和帮助我们对周围物理和虚拟世界的感知。人类具有根据具体的任务特性对相关数据和知识抽象或者泛化成不同程度、不同大小的粒的能力,以及进一步根据这些粒和粒之间的关系进行求解的能力。基于这样的思想,本文建立了粒度分层模型,通过构建图像上的粒度分层结构,从图像中抽取其特征,在此基础上,用这些特征进行图像分割。该模型是基于相关关系构建的粒计算模型,它由四个部分组成:对象集系统,相关关系系统,转换函数和嵌套系统,主要特点在于对粒的定义以及通过粒度的层次嵌套结构进行问题求解的方法。在本部分工作中,主要研究了粒的定义、关系及其合成和分解技术,以及粒度分层模型、粒度分层结构的构建方法和模型的主要特点等;建立自己的粒度分层结构,对图像进行分割。通过实验表明,粒度分层模型在图像分割上具有良好的应用效果。本文研究实现有关图像分割的算法,最主要是区域分割算法;并采用灰度特征描述刻划图像区域;本文主要采用的是区域生长算法,对种子点的选取,生长的法则,以及生长的方向等都进行了详细研究,并对此算法进行了改进,成功地实现了对灰度图像进行基于子块的区域生长法。实验证明,基于子块的图像分割算法的分割结果符合人的主观感知,分割效果令人满意。基于子块的区域生长法,充分研究了区域生长法的基本要素:区域的数目,各区域的生长核心(种子);区域间相区别的性质特征,由此构造同质判据。

全文目录

摘要  4-6
ABSTRACT  6-15
第一章绪论  15-36
  1.1 粒计算的理论  15-31
    1.1.1 粒计算的基本理论  15-16
    1.1.2 粒计算的必要性  16-18
    1.1.3 粒计算的基本问题  18-19
    1.1.4 粒计算的相关领域  19-22
    1.1.5 粒计算的国内外研究现状  22-31
  1.2 本文的基本内容  31-33
  1.3 论文的组织  33-35
  1.4 结论  35-36
第二章粒度分层模型  36-49
  2.1 粒  37-42
    2.1.1 粒及粒度的定义  37-40
    2.1.2 粒的合成和分解技术  40-42
  2.2 粒度分层模型  42-46
    2.2.1 粒度结构(TG )  42-43
    2.2.2 粒度分层模型的主要特点  43-46
  2.3 结论  46-49
第三章图像分割  49-76
  3.1 经典阈值分割方法  50-57
    3.1.1 基于灰度直方图的阈值法  52-54
    3.1.2 自适应阈值法  54-55
    3.1.3 基于信息熵的阈值分割法  55-56
    3.1.4 最大类间方差阈值分割法（Ostu 法）  56-57
  3.2 边缘检测方法  57-68
    3.2.1 罗伯特（Robert）边缘检测算子  60-61
    3.2.2 Prewitt 算子和Sobel 算子  61-64
    3.2.3 高斯-拉普拉斯（Laplacian）算子  64-65
    3.2.4 Log 算子  65
    3.2.5 Canny 算子  65-67
    3.2.6 每种算子的优缺点  67-68
  3.3 区域分割  68-74
    3.3.1 区域生长法  69-71
    3.3.2 分裂合并法  71-73
    3.3.3 水域分割法  73-74
  3.4 结论  74-76
第四章改进的图像分割算法  76-89
  4.1 基于子块的区域生长算法  76-80
    4.1.1 基于子块的图像分割算法实现  76-79
    4.1.2 实验结果与分析  79-80
  4.2 基于粒度分层模型的图像分割  80-88
    4.2.1 粒度分层结构的建立  81-82
    4.2.2 基于粒度分层模型的图像分割  82-84
    4.2.3 实验结果与分析  84-88
  4.3 结论  88-89
第五章总结和展望  89-92
  5.1 本文的主要工作  89-90
  5.2 下一步研究工作  90-92
参考文献  92-100
致谢  100-101
攻读硕士学位期间发表学术论文目录  101

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
基于知识的脊柱MRI影像分割算法研究,TP391.41
基于OpenCV的人脸检测方法研究,TP391.41
计算机辅助髋关节置换手术系统研究与开发,TP391.41
基于单目夜视图像的深度估计,TP391.41
基于中介真值程度度量的图像分割方法研究,TP391.41
基于图像处理的棉花成熟度判定技术的研究,TP391.41
基于空间邻域词袋模型的图像标注技术,TP391.41
基于数字图像处理技术的路面裂缝检测算法研究,TP391.41
Web图像搜索中基于GPU的图像分割技术术究,TP391.41
基于改进的GVF主动轮廓模型的图像分割方法研究,TP391.41
基于主动轮廓模型的图像分割方法研究,TP391.41
基于主动轮廓模型的心脏核磁共振图像左心室分割方法研究,TP391.41
基于特征的纸币号码识别的研究,TP391.41
手指静脉识别技术研究,TP391.41