图像中的复杂线结构自动化检测算法研究

发布时间：2025-02-13 18:54

　　对某些特殊形态的目标或结构提取和分析是图像处理和计算机视觉的重要目标之一。线结构广泛存在于各种图像中,如医学图像中的血管和神经,航空或遥感图像中的道路和河流,生物特征图像中的掌纹和皱纹,光学显微图像中细胞骨架等等。对线结构的检测与分析是图像处理与计算机视觉中最具挑战性和开放性的问题之一,同时也具有广泛的应用前景。本文从线结构的形态特点出发,分别对图像中的复杂线结构的三个重要问题进行了研究,包括线结构的检测与描述,线结构的中心线的提取,线交点的检测与描述等。在广泛参考现有相关研究的基础上,本文针对线结构检测与分析中的这些问题,总结了每个问题的数学模型,并在此基础上提出了相应的解决方案。本文主要的研究内容如下:在解决线结构检测问题中,在充分考虑线结构的局部外观和空间分布特性基础上,提出了一种改进的霍夫森林框架来识别曲线结构的新型监督学习方法。本算法将曲线结构作为一个特殊的对象,认为它具有多个目标中心,每一个中心线上的点都可以是目标中心,从而构造一个多中心的霍夫森林,为图像中的每一个点为线结构的局部目标中心在广义霍夫空间中投票。考虑到曲线结构与普通目标的不同特性,本文从特征构成、偏移度量和方向...

【文章页数】：157 页

【学位级别】：博士

【文章目录】：
摘要
abstract
英文缩写与全称对照表
第一章 绪论
    1.1 研究背景和意义
        1.1.1 线结构的描述与性质
        1.1.2 线结构检测与分析的意义
    1.2 线结构的特点及检测难点
    1.3 研究现状概述
        1.3.1 线结构的检测与分析
        1.3.2 线结构中心线提取
        1.3.3 线交点的检测与特性描述
    1.4 研究内容及论文结构安排
        1.4.1 论文的主要研究内容
        1.4.2 论文的结构安排
第二章 基于多中心霍夫森林算法的线结构检测
    2.1 引言
    2.2 线结构检测的相关研究
    2.3 问题假设及描述
    2.4 霍夫变换相关算法回顾
    2.5 样本结构
        2.5.1 局部外观描述子
        2.5.2 偏移描述子
        2.5.3 相位描述子
    2.6 多中心霍夫森林检测算法
        2.6.1 多中心霍夫森林训练
        2.6.2 线结构检测
    2.7 实验及结果分析
        2.7.1 数据集和参数设置
        2.7.2 评价标准
        2.7.3 检测结果及比较分析
        2.7.4 讨论
    2.8 本章小结
第三章 基于随机回归森林算法的线结构中心线提取
    3.1 引言
    3.2 中心线提取的相关研究工作
        3.2.1 采用人为设计的模型提取中心线
        3.2.2 采用学习得到的模型提取中心线
    3.3 利用随机回归森林的线结构提取
        3.3.1 问题描述
        3.3.2 特征组成
        3.3.3 随机回归森林算法训练
        3.3.4 中心线检测
    3.4 实验及结果分析
        3.4.1 实验数据集及实验设置
        3.4.2 实验结果与分析
        3.4.3 随机森林参数及特征选择的影响
    3.5 本章小结
第四章 基于JUNR算法的线交点筛选定位与分支属性描述
    4.1 引言
    4.2 线交点检测的相关研究
        4.2.1 普通交点检测的相关研究
        4.2.2 线交点检测的相关研究
    4.3 线交点的定义及性质
        4.3.1 线交点及其分支的定义
        4.3.2 线交点的性质
    4.4 JUNR:检测线交点的方法
        4.4.1 JUNR算法概述
        4.4.2 线交点度量函数
        4.4.3 度量映射图像的候选斑点检测
        4.4.4 斑点筛选
        4.4.5 交点中心定位及分支属性描述
    4.5 实验及结果分析
        4.5.1 数据及参数设置
        4.5.2 实验结果及分析
        4.5.3 关于线交点的分支属性的比较
    4.6 本章小结
第五章 总结与展望
    5.1 本文工作总结
    5.2 后续工作展望
参考文献
致谢
攻读学位期间发表的学术论文



本文编号：4033966