基于LBF算法的树木图像分割方法的研究
发布时间：2020-09-10 10:41
树木图像分割是树木可视化重建、树木精准对靶施药等研究的重要环节,对于树木生长态势评价和树木材积率以及森林蓄积量估计具有重要意义。本文对经典图像分割方法、C-V模型、LBF模型及其改进模型进行了理论研究,并应用不同模型算法对树木图像进行了分割实验,具体内容如下:研究了阈值分割法(迭代法、OTSU法、局部阈值法)、边缘检测算子(Canny算子、Sobel 算子、Roberts 算子、Prewitt 算子、Laplacian 算子、LoG-Laplacian 算子)以及区域分割法(种子区域生长法、区域分裂合并法)三类算法的理论,并应用这些方法对树木图像进行图像分割实验,并分析了实验结果。研究了C-V模型理论,基于C-V模型对树木图像进行了图像分割实验,对分割结果进行了分析。研究了传统LBF(Local Binary Fitting)模型的理论,并对弱边缘分割效果不理想的缺陷进行了改进,应用传统LBF模型及其改进算法对树木图像做分割实验,研究了模型参数对基于改进LBF算法的图像分割结果的影响,并通过实验进一步得出其最优参数组,使用该组参数进行多组实验,并与传统LBF模型算法的分割结果对比,验证了该算法的优越性。
【学位单位】：东北林业大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：S712;TP391.41
【部分图文】：
逦（ｂ）树木２逦（ｃ）树木３逡逑图２－１迭代法阈值分割原图像逡逑＃邋？邋＃逡逑．一＇邋■■ＨＲｏｔＨ逡逑（ａ）树木１图像分割结果逦（ｂ）树木２图像分割结果逦（ｃ）树木３图像分割结果逡逑图２－２迭代法阈值分割结果逡逑由图２－２分割结果可见，迭代阈值分割方法基本能够实现树木图像的分割，能够将逡逑单一背景中的树木冠层轮廓分割出来，树叶间隙之间的背景，也能被准确分割出来。但逡逑树木叶片间的空洞区域存在被误分割为背景的现象，如图２－２邋（ａ）所示，且与树木处于逡逑同一灰度级的草地背景，也被误认为是树木目标而分割出来，如图２－２邋（ｂ），图２－２邋（ｃ）逡逑所示。逡逑２．１．２基于ＯＴＳＵ法的树木图像分割逡逑ＯＴＳＵ图像分割属于自适应阈值法［１４］。通过图像直方图上的峰、谷值来确定背景和逡逑目标像素。如果背景和目标之间的灰度差异较大，则二者之间的方差必然较大［１５］。因逡逑此，目标和背景之间的最大方差将决定图像分割的最佳阈值｜１６１。逡逑设图像灰度级数为ｈ灰度级／的像素数为ｍ图像总像素数为Ｍ贝ＩＪ：逡逑Ｌ逡逑Ｎ＝ｈ逦（２－４）逡逑ｉ＝＼逡逑灰度级／的比例：逡逑Ｐ，＝ｎＪＮ逦（２－５）逡逑图像灰度均值：逡逑－６－逡逑
ｒ邋＝邋｛ｔ邋Ｉ邋ａ＼ｒ）＞邋ｃｔ＼Ｔ＼＼／Ｔ邋ｅ邋［／＿，／＿］｝逦（２－１２）逡逑采用ＯＴＳＵ法对图２－３所示的树木图像进行分割，分割结果如图２－４所示。逡逑（ａ）树木Ｉ逦（ｂ）树木２逦（ｃ）树木３逡逑图２－３邋ＯＴＳＵ方法阈值分割原图像逡逑－７－逡逑
a桑镥义希ǎ幔┦髂荆蓖枷穹指罱峁危ǎ猓┦髂荆餐枷穹指罱峁危ǎ悖┦髂荆惩枷穹指罱峁义贤迹玻村澹希裕樱辗椒ㄣ兄捣指罱峁义嫌赏迹玻村澹ǎ幔┛杉饕都湎吨涞谋尘氨环指畛隼矗饕斗垂庠斐苫叶冉闲〉腻义喜糠忠脖晃蠓指畛杀尘啊Ｍ迹玻村澹ǎ猓澹ǎ悖┲校坏莸厍虮晃蠓指畛赡勘昵颍义义鲜饕都浣舷感〉谋尘扒虿⑽幢环指畛隼矗皇欠指畛鍪髂镜拇笾侣掷７指罱峁砻鳎义希希裕樱账惴ㄋ淙荒艽笾路指钍髂韭掷级ㄎ皇髂疚恢茫嬖谖蠓指钕窒螅痪弑稿义锨质饕杜芟∈璧哪芰Γ膊荒苁迪质髂镜木贩指睢ｅ义希玻保郴诰植裤兄捣ǖ氖髂就枷穹指铄义暇植裤兄捣ㄏ冉枷瘢ǎ兀澹荆唬┓殖啥喔鲎油枷瘢缓蟛捎媚持址椒ㄎ油枷袢范ㄥ义细髯缘你兄担郏福荨ｅ义媳疚慕髂就枷窬然治保斗ゲ恢氐淖油枷瘢髯油枷竦木植裤兄挡捎缅义希希裕樱账惴ɡ慈范āＨ缓蠖裕保斗油枷穹直鸾秀兄捣指
本文编号：2815727
【学位单位】：东北林业大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：S712;TP391.41
【部分图文】：
逦（ｂ）树木２逦（ｃ）树木３逡逑图２－１迭代法阈值分割原图像逡逑＃邋？邋＃逡逑．一＇邋■■ＨＲｏｔＨ逡逑（ａ）树木１图像分割结果逦（ｂ）树木２图像分割结果逦（ｃ）树木３图像分割结果逡逑图２－２迭代法阈值分割结果逡逑由图２－２分割结果可见，迭代阈值分割方法基本能够实现树木图像的分割，能够将逡逑单一背景中的树木冠层轮廓分割出来，树叶间隙之间的背景，也能被准确分割出来。但逡逑树木叶片间的空洞区域存在被误分割为背景的现象，如图２－２邋（ａ）所示，且与树木处于逡逑同一灰度级的草地背景，也被误认为是树木目标而分割出来，如图２－２邋（ｂ），图２－２邋（ｃ）逡逑所示。逡逑２．１．２基于ＯＴＳＵ法的树木图像分割逡逑ＯＴＳＵ图像分割属于自适应阈值法［１４］。通过图像直方图上的峰、谷值来确定背景和逡逑目标像素。如果背景和目标之间的灰度差异较大，则二者之间的方差必然较大［１５］。因逡逑此，目标和背景之间的最大方差将决定图像分割的最佳阈值｜１６１。逡逑设图像灰度级数为ｈ灰度级／的像素数为ｍ图像总像素数为Ｍ贝ＩＪ：逡逑Ｌ逡逑Ｎ＝ｈ逦（２－４）逡逑ｉ＝＼逡逑灰度级／的比例：逡逑Ｐ，＝ｎＪＮ逦（２－５）逡逑图像灰度均值：逡逑－６－逡逑
ｒ邋＝邋｛ｔ邋Ｉ邋ａ＼ｒ）＞邋ｃｔ＼Ｔ＼＼／Ｔ邋ｅ邋［／＿，／＿］｝逦（２－１２）逡逑采用ＯＴＳＵ法对图２－３所示的树木图像进行分割，分割结果如图２－４所示。逡逑（ａ）树木Ｉ逦（ｂ）树木２逦（ｃ）树木３逡逑图２－３邋ＯＴＳＵ方法阈值分割原图像逡逑－７－逡逑
a桑镥义希ǎ幔┦髂荆蓖枷穹指罱峁危ǎ猓┦髂荆餐枷穹指罱峁危ǎ悖┦髂荆惩枷穹指罱峁义贤迹玻村澹希裕樱辗椒ㄣ兄捣指罱峁义嫌赏迹玻村澹ǎ幔┛杉饕都湎吨涞谋尘氨环指畛隼矗饕斗垂庠斐苫叶冉闲〉腻义喜糠忠脖晃蠓指畛杀尘啊Ｍ迹玻村澹ǎ猓澹ǎ悖┲校坏莸厍虮晃蠓指畛赡勘昵颍义义鲜饕都浣舷感〉谋尘扒虿⑽幢环指畛隼矗皇欠指畛鍪髂镜拇笾侣掷７指罱峁砻鳎义希希裕樱账惴ㄋ淙荒艽笾路指钍髂韭掷级ㄎ皇髂疚恢茫嬖谖蠓指钕窒螅痪弑稿义锨质饕杜芟∈璧哪芰Γ膊荒苁迪质髂镜木贩指睢ｅ义希玻保郴诰植裤兄捣ǖ氖髂就枷穹指铄义暇植裤兄捣ㄏ冉枷瘢ǎ兀澹荆唬┓殖啥喔鲎油枷瘢缓蟛捎媚持址椒ㄎ油枷袢范ㄥ义细髯缘你兄担郏福荨ｅ义媳疚慕髂就枷窬然治保斗ゲ恢氐淖油枷瘢髯油枷竦木植裤兄挡捎缅义希希裕樱账惴ɡ慈范āＨ缓蠖裕保斗油枷穹直鸾秀兄捣指
本文编号：2815727
本文链接：https://www.wllwen.com/nykjlw/lylw/2815727.html
