图像边缘检测的研究及在不良图像识别中的应用

发布时间：2017-10-02 17:01

  本文关键词：图像边缘检测的研究及在不良图像识别中的应用

  更多相关文章： 边缘检测 多视图聚类 梯度特征 稀疏编码 像素曲率 不良图像识别

【摘要】：图像是人类相互交流和认识客观世界的主要媒体,是人们主要的信息源。科学研究表明,人们获取的信息大约有80%来自于视觉图像。图像边缘是图像的基本特征,包含了图像大量有意义的信息,是一种low-level(低层次)特征。图像边缘的实质是利用算法提取图像中有意义的图像分割块,是图像处理的前提或基础,在过去的几十年中一直是图像处理中研究的热点。图像边缘检测的好坏,直接影响后期图像处理的过程,因此准确地找到图像边界与内部轮廓在许多计算机任务(如图像分割、目标识别、场景理解等)中都具有深远的意义。由于视觉上比较突出的边界与各种不同的视觉现象相关,对于所有的图像找到一个通用的边缘检测器不太可能,因此图像边缘检测仍然是个富有挑战的难题。随着一些公开图像库使用的方便性,不同的方法被不断被提出,如局部特征、全局特征、稀疏编码等方法。使用局部特征的方法在图像轮廓细节上存在不足,而稀疏编码的方式提取图像边缘提高了检测边缘细节的能力,但是另一方面也使得检测到的非边界点增加。本课题中,我们提出了使用图像局部特征与稀疏编码相结合的方式训练模型,并增加图像像素的空间和曲率信息的约束,保证检测边缘的准确性和区域一致性,进而提高图像边缘检测的平均准确率。实验结果表明,通过多视图聚类算法得到的图像边缘,提高了边缘准确率且保证了边缘的平滑性。在公开的数据库上,和其它算法相比提出的算法达到了相当的。在本课题中我们也将提出的图像边缘检算法应用到不良图像的识别中,并在收集的相关数据集上进行的了大量的实验,结果表明提出的算法在不良图像的预处理方面,一定程度上能够有效地去除图像的背景,从而提高了不良图像的识别率,从而也间接地表明了算法的实用性。
【关键词】：边缘检测 多视图聚类 梯度特征 稀疏编码 像素曲率 不良图像识别
【学位授予单位】：南京航空航天大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP391.41
【目录】：

• 摘要4-5
• ABSTRACT5-11
• 注释表11-12
• 缩略词12-13
• 第一章 绪论13-24
• 1.1 研究背景13-14
• 1.2 研究意义14-18
• 1.2.1 图像分割15
• 1.2.2 图像模式识别15-16
• 1.2.3 图像检索16
• 1.2.4 场景分析16-17
• 1.2.5 场景理解17
• 1.2.6 医疗诊断17
• 1.2.7 车牌识别17-18
• 1.3 国内外研究状况18-21
• 1.3.1 图像边缘检测18-20
• 1.3.2 不良图像识别20-21
• 1.4 本文主要研究工作21-23
• 1.5 本文的内容安排23-24
• 第二章 图像边缘检测算法理论及其概述24-42
• 2.1 背景介绍24-25
• 2.2 图像梯度25
• 2.3 边缘检测准则与过程25-26
• 2.3.1 边缘检测准则26
• 2.3.2 边缘检测基本步骤26
• 2.4 早期的几种图像边缘检测算子26-36
• 2.4.1 Roberts算子26-27
• 2.4.2 Sobel算子27-28
• 2.4.3 Prewitt算子28-30
• 2.4.4 Kirsch算子30
• 2.4.5 Laplace算子和LOG算子30-33
• 2.4.6 Canny算子33-36
• 2.5 基于数学形态学的边缘检测36-38
• 2.5.1 数学形态学基本准则37
• 2.5.2 基于形态学的边缘检测过程37-38
• 2.6 基于图论的边缘检测38-40
• 2.6.1 Ncuts算法39
• 2.6.2 边缘检测过程39-40
• 2.7 多尺度多通道特征图像边缘检测40-41
• 2.8 本章小结41-42
• 第三章 基于多视图聚类的图像边缘检测42-56
• 3.1 算法流程43
• 3.2 图像局部特征提取43-44
• 3.2.1 梯度特征43
• 3.2.2 稀疏编码特征43-44
• 3.3 构建权重图获取特征向量描述子44-45
• 3.4 像素曲率与空间信息45
• 3.5 基于多视图聚类的边缘检测45-48
• 3.5.1 多视图聚类算法介绍45-46
• 3.5.2 Multi-view Kmeans聚类算法46-47
• 3.5.3 算法优化47
• 3.5.4 多视图聚类算法时间复杂度47-48
• 3.6 实验48-54
• 3.6.1 数据库与算法评估标准48-49
• 3.6.2 模型参数设置49
• 3.6.3 算法比较与实验结果49-54
• 3.6.3.1 BSDS500数据库49-52
• 3.6.3.2 NYU Depth数据库52-54
• 3.7 算法时间复杂度分析54-55
• 3.8 本章小结55-56
• 第四章 图像边缘检测在不良图像中的应用56-70
• 4.1 不良图像识别介绍56-57
• 4.2 基于图像边缘检测的不良图像识别57-62
• 4.2.1 相关工作57
• 4.2.2 图像预处理过程57-60
• 4.2.3 特征提取60-62
• 4.2.4 分类器的选择62
• 4.3 实验结果62-68
• 4.3.1 数据库介绍及实验设置62-63
• 4.3.1.1 数据库62-63
• 4.3.1.2 实验设置63
• 4.3.2 实验结果对比63-64
• 4.3.3 分类器的选择（基于边缘检测预处理的分类器选择对结果的影响）64-66
• 4.3.4 特征的选择（基于图像预处理的特征选择对结果的影响）66-68
• 4.4 本章小结68-70
• 第五章 总结与展望70-73
• 5.1 图像边缘检测70-71
• 5.1.1 工作总结70
• 5.1.2 未来展望70-71
• 5.2 不良图像识别71-73
• 5.2.1 工作总结71-72
• 5.2.2 未来展望72-73
• 参考文献73-80
• 致谢80-81
• 在学期间的研究成果及发表的学术论文81

【相似文献】

中国期刊全文数据库 前10条

1 王宇生,卜佳俊,陈纯;一种基于积分变换的边缘检测算法[J];中国图象图形学报;2002年02期

2 顾晓东,王晓明,刘健;基于曲线坐标系的图像边缘检测[J];计算机工程与应用;2002年03期

3 何仁贵,黄登山,陈金兵;基于灰色预测模型的图像边缘检测[J];西北工业大学学报;2005年01期

4 郑胜,柳健,田金文;基于向量机的边缘检测算法优化研究[J];电子与信息学报;2005年05期

5 王娜,李霞;一种新的改进Canny边缘检测算法[J];深圳大学学报;2005年02期

6 王文豪;;图象边缘检测中边界闭合性的分析与探讨[J];计算机与信息技术;2005年12期

7 刘军;姚子建;;用边缘检测算子实现图像边缘检测[J];福建电脑;2006年02期

8 李葆青;文山;;边缘检测准则与几种典型算法[J];六盘水师范高等专科学校学报;2006年03期

9 郑子华;陈家祯;钟跃康;;基于灰色加权绝对关联度的边缘检测算法[J];电脑知识与技术;2006年20期

10 黄玉程;胡国清;吴雄英;刘文艳;;人脸图像边缘检测的方法研究和应用[J];计算机工程;2006年18期

中国重要会议论文全文数据库 前10条

1 王岩;勒中鑫;;边缘检测中几种方法的比较[A];1998年中国智能自动化学术会议论文集（下册）[C];1998年

2 孟伟;王秀泽;张岩;;离散Canny边缘检测算法的实现[A];走近CIE 26th——中国照明学会（2005）学术年会论文集[C];2005年

3 周胜灵;丁珠玉;;农产品边缘检测系统研究[A];中国农业工程学会2011年学术年会论文集[C];2011年

4 任获荣;杨夏颖;何培培;孙建维;高敏;;边缘检测技术发展现状及其在零件识别中的应用综述[A];第三届数控机床与自动化技术专家论坛论文集[C];2012年

5 王岩;勒中鑫;;几种边缘检测方法及其比较[A];中国图象图形科学技术新进展——第九届全国图象图形科技大会论文集[C];1998年

6 叶乐军;王强;;基于自适应边缘检测的大空间火灾目标监测技术[A];中国职业安全健康协会2007年学术年会论文集[C];2007年

7 沈亮;潘德炉;王迪峰;;机载多通道扫描仪图像的边缘检测初步研究[A];2008中国仪器仪表与测控技术进展大会论文集（Ⅰ）[C];2008年

8 李文辉;郭宁宁;郝鑫;;优化边缘检测的分析和解决方案[A];“加入WTO和科学技术与吉林经济发展——机遇·挑战·责任”吉林省第二届科学技术学术年会论文集（上）[C];2002年

9 王培珍;孟祥昊;张克;郑诗程;潘瑞雪;;板材图像边缘检测算法研究[A];第25届中国控制与决策会议论文集[C];2013年

10 王海岚;樊绍胜;;一种改进的模糊形态学边缘检测算法[A];中国自动化学会中南六省（区）2010年第28届年会·论文集[C];2010年

中国重要报纸全文数据库 前1条

1 鸣人;Photoshop CS5:三大功能再进化[N];中国摄影报;2010年

中国博士学位论文全文数据库 前10条

1 磨少清;边缘检测及其评价方法的研究[D];天津大学;2011年

2 董鸿燕;边缘检测的若干技术研究[D];国防科学技术大学;2008年

3 王媛妮;顺序形态边缘检测及分水岭图像分割研究[D];武汉大学;2010年

4 迟健男;图像形态学和小波分析在图像增强与边缘检测中的应用[D];东北大学;2005年

5 李杏梅;Contourlet变换在图像去噪与边缘检测中的应用研究[D];华中科技大学;2011年

6 丁兴号;基于小波分析的视觉检测技术研究[D];合肥工业大学;2003年

7 闫海霞;基于数学形态学的图像边缘检测和增强算法的研究[D];吉林大学;2009年

8 谢松法;模式特征的提取与应用研究[D];华中科技大学;2007年

9 吴庆岗;复杂背景输电线图像中部件边缘提取算法研究[D];大连海事大学;2012年

10 Ali Abdullah Yahya;[D];合肥工业大学;2014年

中国硕士学位论文全文数据库 前10条

1 林江;基于边缘检测和马尔可夫随机场的AD症脑MRI分割方法研究[D];西南交通大学;2015年

2 吕威骏;基于分数阶傅里叶变换和多尺度跟踪的边缘检测算法[D];郑州大学;2015年

3 亓晓彤;基于摄影测量的板类件孔位检测方法研究[D];中国地质大学(北京);2015年

4 李志;基于视频的轨检定位技术研究[D];西南交通大学;2015年

5 王芮;基于多窗口的蚁群图像边缘检测及并行算法[D];南京师范大学;2015年

6 韩璐;改进的基于多尺度多方向结构元素和形态学的边缘检测算法[D];山东大学;2015年

7 郭峰;基于Mumford-Shah模型的图像边缘检测算法[D];华北电力大学;2015年

8 陈美荣;基于N-Smoothlets的图像处理关键技术研究[D];电子科技大学;2015年

9 乔建强;火焰图像边缘检测及修复算法的研究[D];华北电力大学;2015年

10 杨艳爽;行车安全预警系统的设计与实现[D];中国科学院研究生院（沈阳计算技术研究所）;2015年

，

本文编号：960744