基于超体素的三维数据分割方法研究
发布时间:2023-03-30 03:44
随着计算机科学技术和应用数学理论的进步与完善,图形图像分割技术日益成为由底层图像处理到高层物体识别与理解的关键预处理步骤,已经广泛地服务于医学影像处理、计算机三维动画、人机接口、虚拟现实和可视化等诸多应用领域。三维模型数据是继声音、图像、视频之后的一种新形式,对三维数据的分割一直是模式识别和计算机智能领域中的一个热门话题,它是指将逻辑上整体统一的三维数据分割成较小的、可以独立存储管理的物理单元,有效地提高索引和顺序扫描的效率,便于后续的重构、重组和恢复。人们将图像的超像素概念扩展到三维空间的超体素,将超体素与三维数据的处理和分析相结合的研究工作越来越受到计算机图形图像领域的关注。超体素是近年来兴起并迅猛发展的一种图像处理新技术,该技术通过对体数据局部区域中的体素进行特征描述,将相似或相近的体素聚集起来,以生成局部结构均匀稳定、局部特征一致相似并且具有实际局部意义的子区域。与传统分割技术面对的图形图像基本单位——像素或体素相比,超体素的引入使算法处理的数据规模大大减小,有效降低了后续处理和分析工作的复杂程度;更便于提取目标的局部特征,为后续能够获得正确表达结构信息的目标分割奠定基础;超体...
【文章页数】:113 页
【学位级别】:博士
【文章目录】:
摘要
abstract
第1章 绪论
1.1 研究背景和意义
1.2 国内外研究现状及进展
1.3 本文工作及组织结构
第2章 基于超体素的三维数据分割相关知识
2.1 超像素与超体素
2.2 三维数据分割方法
2.3 三维数据特征提取分类
2.3.1 基于统计信息内容的特征提取
2.3.2 基于视图投影的特征提取
2.3.3 基于函数变换的特征提取
2.3.4 基于多特征融合的特征提取
2.4 三维数据特征提取过程
第3章 基于核的三维模糊C均值聚类的体数据分割算法
3.1 引言
3.2 相关工作
3.3 算法描述
3.3.1 图像预处理
3.3.2 体素的特征描述
3.3.3 构建空间种子点
3.3.4 SLIC生成超体素
3.3.5 计算超体素的统计特征
3.3.6 基于核的三维模糊C均值聚类
3.4 实验结果和讨论
3.4.1 实验运行环境及数据库
3.4.2 超体素生成结果评估
3.4.3 算法分割结果精确性评估
3.5 本章小结
第4章 基于超体素几何特征的三维点云场景分割算法
4.1 引言
4.2 相关工作
4.3 算法描述
4.3.1 基于八叉树的体素化
4.3.2 基于FPFH特征的点云超体素分割
4.3.3 超体素几何特征的计算
4.3.4 基于局部连接图的聚类分割
4.4 实验结果和讨论
4.4.1 实验数据库和评估指标
4.4.2 实验结果分析
4.5 本章小结
第5章 基于视觉显著图的RGB-D数据分割算法
5.1 引言
5.2 相关工作
5.3 算法描述
5.3.1 由RGB-D数据生成显著图
5.3.2 由RGB-D数据生成点云数据
5.3.3 生成初始超体素分割
5.3.4 基于几何距离和颜色距离的超体素特征描述
5.3.5 对超体素迭代合并
5.4 实验结果和讨论
5.4.1 视觉显著性检测方法分析
5.4.2 分割性能量化对比
5.4.3 RGB-D数据分割实验结果
5.5 本章小结
第6章 结论与展望
6.1 工作总结
6.2 研究展望
参考文献
作者简介及在学期间所取得的科研成果
致谢
本文编号:3775120
【文章页数】:113 页
【学位级别】:博士
【文章目录】:
摘要
abstract
第1章 绪论
1.1 研究背景和意义
1.2 国内外研究现状及进展
1.3 本文工作及组织结构
第2章 基于超体素的三维数据分割相关知识
2.1 超像素与超体素
2.2 三维数据分割方法
2.3 三维数据特征提取分类
2.3.1 基于统计信息内容的特征提取
2.3.2 基于视图投影的特征提取
2.3.3 基于函数变换的特征提取
2.3.4 基于多特征融合的特征提取
2.4 三维数据特征提取过程
第3章 基于核的三维模糊C均值聚类的体数据分割算法
3.1 引言
3.2 相关工作
3.3 算法描述
3.3.1 图像预处理
3.3.2 体素的特征描述
3.3.3 构建空间种子点
3.3.4 SLIC生成超体素
3.3.5 计算超体素的统计特征
3.3.6 基于核的三维模糊C均值聚类
3.4 实验结果和讨论
3.4.1 实验运行环境及数据库
3.4.2 超体素生成结果评估
3.4.3 算法分割结果精确性评估
3.5 本章小结
第4章 基于超体素几何特征的三维点云场景分割算法
4.1 引言
4.2 相关工作
4.3 算法描述
4.3.1 基于八叉树的体素化
4.3.2 基于FPFH特征的点云超体素分割
4.3.3 超体素几何特征的计算
4.3.4 基于局部连接图的聚类分割
4.4 实验结果和讨论
4.4.1 实验数据库和评估指标
4.4.2 实验结果分析
4.5 本章小结
第5章 基于视觉显著图的RGB-D数据分割算法
5.1 引言
5.2 相关工作
5.3 算法描述
5.3.1 由RGB-D数据生成显著图
5.3.2 由RGB-D数据生成点云数据
5.3.3 生成初始超体素分割
5.3.4 基于几何距离和颜色距离的超体素特征描述
5.3.5 对超体素迭代合并
5.4 实验结果和讨论
5.4.1 视觉显著性检测方法分析
5.4.2 分割性能量化对比
5.4.3 RGB-D数据分割实验结果
5.5 本章小结
第6章 结论与展望
6.1 工作总结
6.2 研究展望
参考文献
作者简介及在学期间所取得的科研成果
致谢
本文编号:3775120
本文链接:https://www.wllwen.com/kejilunwen/shengwushengchang/3775120.html
最近更新
教材专著