当前位置 —论文—写论文— 范文

关于图像方面论文范文素材,与东南大学硕士文模板目录单相关论文答辩

本论文是一篇关于图像方面论文答辩,关于东南大学硕士文模板目录单相关专升本毕业论文范文。免费优秀的关于图像及计算机及方法方面论文范文资料,适合图像论文写作的大学硕士及本科毕业论文开题报告范文和学术职称论文参考文献下载。

请联系cst.zju.edu.

浙江大学软件学院

有更多信息

摘要

本文主要利用LevelSet函数隐式地追踪图像的边界来实现图像分割.论文对LevelSet方法的数值实现进行了研究,讨论了该方法的全局算法,给出了图像分割的水平集方程,并且对于该方程提出了一种数值算法,用本文方法对昆虫图像进行了分割,得出了较好的结果和一些规律性的结论.

数值试验表明,水平集算法具有数值稳定性,不会出现振荡现象,可以很好地处理拓扑结构的变化,并且克服了以往其他方法的弱点:例如分割结果对初始位置比较敏感,拓扑适应性较弱,难以分割结构比较复杂的物体.

关键词:LevelSet方法,图像分割.

Abstract

Inthispaper,imagesegmentationwasrealizedbylevelsetfunctionfortrackingimageboundaryimplicitly.First,thenumericalmethodoflevelsetwasstudied,suchastheglobalmethod.Secondly,alevelsetmethodwasgiven.Severalimageswhichareaboutinsectsegmentationhadimplementedtodemonstratetheeffectivenessofthemethod,andsatisfactoryresultswereobtained.

Itisshownthatthelevelsetmethodisnumericallystable,oscillation-freeandcandealwiththetopologicalchanges.Thelevelsetmethodoverestheshortings,suchasthesensitivitytotheinitialposition,thedifficultyofsegmentationtotheplexconstructionetc,ofothermethods.

Keywords:Levelsetmethod,imagesegmentation.

绪论

1.1数字图像处理

数字图像处理(DigitalImageProcessing)又称为计算机图像处理,它是指将图像信号转换成数字信号并利用计算机对其进行处理的过程.数字图像处理最早出现于20世纪50年代,当时的电子计算机已经发展到一定水平,人们开始利用计算机来处理图形和图像信息.数字图像处理作为一门学科大约形成于20世纪60年代初期.早期的图像处理的目的是改善图像的质量,它以人为对象,以改善人的视觉效果为目的.图像处理中,输入的是质量低的图像,输出的是改善质量后的图像,常用的图像处理方法有图像增强,复原,编码,压缩等.图像处理技术在许多应用领域受到广泛重视并取得了重大的开拓性成就,属于这些领域的有航空航天,生物医学工程,工业检测,机器人视觉,公安司法,军事制导,文化艺术等,使图像处理成为一门引人注目,前景远大的新型学科:第一类是在保证图像正确地重现景物的前提下尽可能地压缩图像的数据量,以便于存储和传输.这是图像的压缩编码技术.常用的编码技术有子带和变换编码,预测编码和运动补偿等等,其中迭代函数系和小波变换等数学工具都对图像编码产生过重要的影响.近年来有人从图像恢复的角度考虑过图像的编码问题,归结为相应的偏微分方程.

写图像论文的注意事项
播放:22511次评论:6219人

第二类是消除图像形成和传输过程中引入的失真和千扰,使图像尽可能正确地重现景物.如果处理的效果是由人的视觉来评判,则称为图像增强技术.如果处理工作是根据引入失真和干扰的特性来进行,并根据某种客观准则来评判处理的效果,则通常称这种方法为图像恢复技术.许多图像恢复算法依赖复杂的数学工具,估计理论,病态反问题,线性代数以及数值分析等等.

第三类是根据某一原则尽量去除图像中的无用信息而突出图像中蕴含的主要信息.例如读唇术对嘴角轮廓的提取,突出嘴部区域的细节变化,辅助语音的识别.

第四类是从图像中提取若千表征图像特征的数值,以便进一步对图像进行描述,分类和识别.一般图像识别包含三个环节:预处理,特征抽取和识别.典型的预处理主要是滤波去噪或者轮廓提取.

第五类是图像重建,根据一组投影图像(非一幅完整的图像)再生原始图像,与图像恢复类似最后归结为求解一组线性或非线性方程.

其中的图像分割(ImageSegmentation)是把图像分割成若干个特定的,具有独特性质的区域并提取出感兴趣的目标的技术和过程.在对图像的研究和应用中,人们往往仅对图像的某些部分感兴趣(目标或背景),他们一般对应图像中的特定的,具有独特性质的区域.为了分析和识别目标,需要将他们分割并提取出来.[2]

图像分割是由图像处理转到图像分析的关键.一方面,它是目标图像表达的基础,对特征测量有重要的影响.另一方面,图像分割和分割的目标表达,特征提取和参数测量等将原始图像转化为数学表达形式,使得利用计算机进行图像分析和理解成为可能.[10]

1.2图像分割方法概述

图像分割是图像处理中的一项关键技术,自20世纪70年代起一直受到人们的高度重视,至今已提出上千种分割算法.目前国内外提出的图像分割方法,主要有以下几类:(1)阈值分割方法,(2)边缘检测方法,(3)区域分割方法,(4)结合特定理论工具的分割方法,例如基于偏微分方程的分割方法[12-15],基于数学形态学的分割方法[16-18],基于小波分析和变换的分割方法[19,20],基于人工神经网络的分割方法[21,22],基于模糊集理论的分割方法[23,24]等.

1,阈值分割方法

阈值法是一种简单有效的图像分割方法.对灰度图像的阈值分割就是先确定一个处于图像灰度取值范围之中的灰度阈值,然后将图像中各个像素的灰度值都与这个阈值相比较,并根据比较结果将对应的像素分为两类.这两类像素一般分属图像的两类区域,从而达到分割的目的.确定一个最优阈值是阈值分割的关键,现有的大部分算法都是集中在阈值确定的研究上.阈值分割方法一般可以分为全局阈值法和局部阈值法.全局阈值法指利用全局信息(例如整幅图像的灰度直方图)对整幅图像求出最优分割阈值,可以是单阈值,也可以是多阈值,局部阈值法是把原始的整幅图像分为若干小的子图像,再对每个子图像应用全局阈值法分别求出最优分割阈值.阈值法的最大特点是计算简单,在重视运算效率的场合(如用于硬件实现),得到了广泛的应用.

2,边缘检测方法

边缘检测方法是一种基于图像灰度幅值不连续性的分割方法,它通过检测非同质区域之间的边界来实现对图像的分割.按照边缘连接或跟踪时采用策略的不同,可以将边缘检测方法分成两大类:并行边缘检测技术和串行边缘检测技术.

东南大学硕士文模板目录单参考属性评定
有关论文范文主题研究:	关于图像的文章	大学生适用:	专科论文、自考论文
相关参考文献下载数量:	67	写作解决问题:	如何怎么撰写
毕业论文开题报告:	论文模板、论文结论	职称论文适用:	技师论文、高级职称
所属大学生专业类别:	如何怎么撰写	论文题目推荐度:	免费选题