基于混合模型和空间信息的图像分割研究
发布时间：2021-06-24 05:14
随着人工智能、深度学习与计算机视觉技术的不断进步,数字图像处理应用于先进制造、无人飞机、无人驾驶汽车等最有前景的领域,因而对图像处理技术的进步需求最迫切。在这种社会背景下,我们进行了图像去色技术和图像分割研究工作。首先,我们研究了图像去色技术,期望在转化后的灰度图像能够重现彩色图像的视觉感受,保存更多细节和对比度。这些特征,可以为图像分割提供更多信息。随后,我们主要集中精力研究图像分割技术。目前为止,研究者们在图像分割领域取得了大量的研究成果,这些成果源于对图像中不同特征的利用。但是至今没有一种分割算法能用于所有的图像分割,这也促进了研究者对图像分割进行不断地研究。本章的主要研究工作包括以下几个方面:（1）针对目前彩色图像的去色技术存在丢失对比度的问题,本章提出了一种基于Log-Euclidean度量和高斯核函数的对比度保留去色模型。基于李群和黎曼流形的Log-Euclidean测地线度量,提出了一个高效的图像去色框架。由于Log-Euclidean具有可逆不变性和相似不变性,本章提出了一个基于Log-Euclidean目标函数去建模图像去色过程。在这个模型中,Log-Euclidea...
【文章来源】：华中科技大学湖北省 211工程院校 985工程院校 教育部直属院校
【文章页数】：113 页
【学位级别】：博士
【部分图文】：
近9年来EI收录论文发表“ImageSegmentation”的论文数量
5华中科技大学博士学位论文图1.2杂志IEEETransactionsonImageProcessing从2010年到2018年收录关于“ImageSegmentation”的论文数量。最近10年以来，图像分割得到越来越多地研究。为了更加直观感受图像分割研究的总体趋势，我们搜索了近10年以来，EI每年收录关于图像分割论文的数量，绘制成图1.1。在图像处理顶级期刊（TIP），我们统计了近十年图像分割论文的数量，绘制成图1.2。而且图像分割有关的论文额在顶级会议（IEEEConferenceonComputerVisionandPatternRecognition）和顶级期刊（IEEETansactionsonPatternAnalysisandMachineIntelligence）经常出现。例如，Xiao[38],Shen[39]和Maninis[40]都在2018CVPR（IEEEConferenceonComputerVisionandPatternRecognition）会议发表了关于图像分割的论文。所以图像分割多年来一直得到人们的高度重视，在上个世纪就提出了多达上千种各式各样的分割算法。图像分割技术体态太过庞大，我们基于应用频率最高的分割算法进行归类，主要可以分为以下8种：（1）基于阈值的图像分割方法[41-44]。这类算法的特点是实施起来特别方便，也是最简单的，而且计算量小，运行速度极快。这类算法适合目标和背景灰度差异比较大。这类算法的关键是如何选择合适的阈值，常利用的选择阈值的方法有：统计直方图波峰和波谷法、利用连通信息的方法、利用相关性选择阈值的方法等。（2）基于区域的图像分割算法[45-49]。这类算是目的是寻找某一个区域的分割处理技术。这类算法大体可以分为两类：一类是区域生长的算法。选定一个
13华中科技大学博士学位论文3.()()()()baPaXbFbFaftdt；4.若f(x)在点x处连续，则有F(x)f(x)。高斯分布图2.1高斯分布函数高斯分布另外一个称呼是正态分布，这个高斯函数的图像如图2.1所示。高斯分布在概率论中，最常用的连续变量的概率密度函数是高斯分布。一维实变量x，高斯分布的数学表达式如下：22221()(|,)exp22xupx（2.1）因为公式（2.1）是概率密度函数，所以必须满足如下两个条件：2p(x|,)0和p(x|,2)1，在公式(2.1)中变量x的数学期望：2Exp(x|,)dx，
【参考文献】：
期刊论文
[1]基于改进的直觉模糊核聚类的图像分割方法[J]. 徐小来,房晓丽. 计算机工程与应用. 2019(17)
[2]基于全卷积网络的胎儿脑部超声图像分割算法[J]. 叶海,冯开平,谢红宁. 现代计算机. 2019(17)
[3]区域信息驱动的多目标进化半监督模糊聚类图像分割算法[J]. 赵凤,张咪咪,刘汉强. 电子与信息学报. 2019(05)
[4]改进Canny边缘检测的遥感影像分割[J]. 刘丽霞,李宝文,王阳萍,杨景玉. 计算机工程与应用. 2019(12)
[5]基于特征学习框架的前列腺超声图像分割方法研究[J]. 黄建波,蔡迪明,罗燕. 生物医学工程与临床. 2018(06)
[6]图像分类技术在超声诊断甲状腺结节中的应用进展[J]. 梁晓雯,陈智毅. 中国医学影像技术. 2018(10)
[7]基于超像素聚类的侧扫声呐图像分割算法[J]. 盛蕴霞,霍冠英,刘静. 计算机工程. 2018(06)
[8]基于位错理论的距离正则化水平集图像分割算法[J]. 张帆,张新红. 自动化学报. 2018(05)
[9]基于分水岭和水平集方法的脑部核磁共振图像分割算法研究[J]. 陈忱. 中国新通信. 2016(04)
[10]用于脑部核磁共振图像分割的具有抗噪能力的BCFCM算法[J]. 栾方军,周佳鹏,曾子铭. 计算机科学. 2015(10)
博士论文
[1]基于偏移场的核磁共振脑图像分割算法研究[D]. 车娜.吉林大学 2013
[2]基于多尺度结构张量的无监督彩色纹理图像分割方法研究[D]. 杨勇.华中科技大学 2013
本文编号：3246444
【文章来源】：华中科技大学湖北省 211工程院校 985工程院校 教育部直属院校
【文章页数】：113 页
【学位级别】：博士
【部分图文】：
近9年来EI收录论文发表“ImageSegmentation”的论文数量
5华中科技大学博士学位论文图1.2杂志IEEETransactionsonImageProcessing从2010年到2018年收录关于“ImageSegmentation”的论文数量。最近10年以来，图像分割得到越来越多地研究。为了更加直观感受图像分割研究的总体趋势，我们搜索了近10年以来，EI每年收录关于图像分割论文的数量，绘制成图1.1。在图像处理顶级期刊（TIP），我们统计了近十年图像分割论文的数量，绘制成图1.2。而且图像分割有关的论文额在顶级会议（IEEEConferenceonComputerVisionandPatternRecognition）和顶级期刊（IEEETansactionsonPatternAnalysisandMachineIntelligence）经常出现。例如，Xiao[38],Shen[39]和Maninis[40]都在2018CVPR（IEEEConferenceonComputerVisionandPatternRecognition）会议发表了关于图像分割的论文。所以图像分割多年来一直得到人们的高度重视，在上个世纪就提出了多达上千种各式各样的分割算法。图像分割技术体态太过庞大，我们基于应用频率最高的分割算法进行归类，主要可以分为以下8种：（1）基于阈值的图像分割方法[41-44]。这类算法的特点是实施起来特别方便，也是最简单的，而且计算量小，运行速度极快。这类算法适合目标和背景灰度差异比较大。这类算法的关键是如何选择合适的阈值，常利用的选择阈值的方法有：统计直方图波峰和波谷法、利用连通信息的方法、利用相关性选择阈值的方法等。（2）基于区域的图像分割算法[45-49]。这类算是目的是寻找某一个区域的分割处理技术。这类算法大体可以分为两类：一类是区域生长的算法。选定一个
13华中科技大学博士学位论文3.()()()()baPaXbFbFaftdt；4.若f(x)在点x处连续，则有F(x)f(x)。高斯分布图2.1高斯分布函数高斯分布另外一个称呼是正态分布，这个高斯函数的图像如图2.1所示。高斯分布在概率论中，最常用的连续变量的概率密度函数是高斯分布。一维实变量x，高斯分布的数学表达式如下：22221()(|,)exp22xupx（2.1）因为公式（2.1）是概率密度函数，所以必须满足如下两个条件：2p(x|,)0和p(x|,2)1，在公式(2.1)中变量x的数学期望：2Exp(x|,)dx，
【参考文献】：
期刊论文
[1]基于改进的直觉模糊核聚类的图像分割方法[J]. 徐小来,房晓丽. 计算机工程与应用. 2019(17)
[2]基于全卷积网络的胎儿脑部超声图像分割算法[J]. 叶海,冯开平,谢红宁. 现代计算机. 2019(17)
[3]区域信息驱动的多目标进化半监督模糊聚类图像分割算法[J]. 赵凤,张咪咪,刘汉强. 电子与信息学报. 2019(05)
[4]改进Canny边缘检测的遥感影像分割[J]. 刘丽霞,李宝文,王阳萍,杨景玉. 计算机工程与应用. 2019(12)
[5]基于特征学习框架的前列腺超声图像分割方法研究[J]. 黄建波,蔡迪明,罗燕. 生物医学工程与临床. 2018(06)
[6]图像分类技术在超声诊断甲状腺结节中的应用进展[J]. 梁晓雯,陈智毅. 中国医学影像技术. 2018(10)
[7]基于超像素聚类的侧扫声呐图像分割算法[J]. 盛蕴霞,霍冠英,刘静. 计算机工程. 2018(06)
[8]基于位错理论的距离正则化水平集图像分割算法[J]. 张帆,张新红. 自动化学报. 2018(05)
[9]基于分水岭和水平集方法的脑部核磁共振图像分割算法研究[J]. 陈忱. 中国新通信. 2016(04)
[10]用于脑部核磁共振图像分割的具有抗噪能力的BCFCM算法[J]. 栾方军,周佳鹏,曾子铭. 计算机科学. 2015(10)
博士论文
[1]基于偏移场的核磁共振脑图像分割算法研究[D]. 车娜.吉林大学 2013
[2]基于多尺度结构张量的无监督彩色纹理图像分割方法研究[D]. 杨勇.华中科技大学 2013
本文编号：3246444
本文链接：https://www.wllwen.com/kejilunwen/shengwushengchang/3246444.html
最近更新
教材专著
