基于双层模型的传统服饰图像分割算法研究
发布时间:2021-11-19 15:42
中国传统服饰被誉为中国国粹和中国服饰之代表,是中华民族乃至人类社会创造的宝贵财富。提取传统服饰图像中具有代表性的纹样基因,有助于挖掘其文化内涵,发现其文化传承机理。本论文以传统服饰图像为研究对象,开展传统服饰图像自动分割算法研究,提取有价值的纹样基因。交互分割算法因其交互方式灵活、精度高、用户交互工作量少而受到广泛关注,深度学习在图像分割领域也取得了突出成果。但在没有逐像素标注的图像数据集时,实现传统服饰图像的自动分割并获得较高精度的分割结果仍是一个亟待解决的问题。与自然图像相比,传统服饰图像上的纹样基因多为小尺寸目标,且样式丰富,就算是同一类别的纹样基因之间样式也有较大差异,在不同材质的布料上相同纹样基因的纹理也会有差别,这些特点增加了传统服饰图像的分割难度。为实现传统服饰图像自动分割任务,本文提出一种基于双层模型的弱监督图像分割算法。该双层模型由目标检测层和分割层两层结构组成,模型先将待分割的纹样基因目标检测出来之后再进行分割,这样可以提高小目标的分割精度。而且如果目标检测器泛化性能较好的话,那么检测器很大可能性可以检测出样式差异较大的同一类纹样基因。在传统服饰图像的分割任务上,与...
【文章来源】:北京邮电大学北京市 211工程院校 教育部直属院校
【文章页数】:85 页
【学位级别】:硕士
【部分图文】:
图1-1分割方法分类??第一类是基于边缘检测的图像分割方法,该方法主要有图像滤波法、边界曲??线拟合法、灰色关联度法、基于分形理论的方法和基于小波变换的方法
硬论丈粗叙结构
?第二章基础理论与相关技术???异越小,那么这两个像素同属一个目标或背景的可能性就越大,相邻两个像素之??间差异越大,那么这两个像素处于目标与背景交界处两边的可能性越大,则他们??越可能被分割开,所以相邻两像素之间差异越大时,5{^}越小。??2.1.2构造网络图??待分割的图像可以通过无向图>来表示,其中F表示顶点(vertex)??的集合,五表示边(edge)的集合。图割中的图和一般图论中的图区别不大,图??割中的图比普通图多两个终端顶点,分别用S?(source,源点)和T?(sink,汇点)??符号表示,其它顶点全部与这两个顶点相连构成边,加入到边集合中。因此图割??中的图有两种类型的顶点和两种类型的边。第一种顶点是与图像中每个像素相对??应的普通顶点p?e?P,第二种顶点是终端顶点S和T。第一种边是相邻两个普通??顶点的连边n-links,第二种边是所有普通顶点与两个终端顶点构成的连边t-links。??图2-1表示了一幅图像与其对应的S-T图,S-T图中的普通顶点与图像像素相对??应,除此以外S-T图中还有两个终端顶点。??
【参考文献】:
期刊论文
[1]论DBSCAN算法在图像分割中分类的实现[J]. 王小龙. 电子技术与软件工程. 2013(12)
[2]灰度-梯度共生矩阵模型的加权条件熵阈值法[J]. 张弘,范九伦. 计算机工程与应用. 2010(06)
[3]用于灰度图像分割的小波区域扩张算法[J]. 刘旭红,张国英,刘玉树,柳晓雷. 计算机工程. 2004(22)
[4]多阈值BIRCH聚类算法及其应用[J]. 邵峰晶,张斌,于忠清. 计算机工程与应用. 2004(12)
[5]灰色欧几里德关联度[J]. 赵艳林,韦树英,梅占馨. 广西大学学报(自然科学版). 1998(01)
[6]T型关联度及其计算方法[J]. 唐五湘. 数理统计与管理. 1995(01)
[7]灰度图象的二维Otsu自动阈值分割法[J]. 刘健庄,栗文青. 自动化学报. 1993(01)
[8]灰色绝对关联度及其计算方法[J]. 梅振国. 系统工程. 1992(05)
[9]灰色B型关联分析[J]. 王清印. 华中理工大学学报. 1989(06)
本文编号:3505351
【文章来源】:北京邮电大学北京市 211工程院校 教育部直属院校
【文章页数】:85 页
【学位级别】:硕士
【部分图文】:
图1-1分割方法分类??第一类是基于边缘检测的图像分割方法,该方法主要有图像滤波法、边界曲??线拟合法、灰色关联度法、基于分形理论的方法和基于小波变换的方法
硬论丈粗叙结构
?第二章基础理论与相关技术???异越小,那么这两个像素同属一个目标或背景的可能性就越大,相邻两个像素之??间差异越大,那么这两个像素处于目标与背景交界处两边的可能性越大,则他们??越可能被分割开,所以相邻两像素之间差异越大时,5{^}越小。??2.1.2构造网络图??待分割的图像可以通过无向图>来表示,其中F表示顶点(vertex)??的集合,五表示边(edge)的集合。图割中的图和一般图论中的图区别不大,图??割中的图比普通图多两个终端顶点,分别用S?(source,源点)和T?(sink,汇点)??符号表示,其它顶点全部与这两个顶点相连构成边,加入到边集合中。因此图割??中的图有两种类型的顶点和两种类型的边。第一种顶点是与图像中每个像素相对??应的普通顶点p?e?P,第二种顶点是终端顶点S和T。第一种边是相邻两个普通??顶点的连边n-links,第二种边是所有普通顶点与两个终端顶点构成的连边t-links。??图2-1表示了一幅图像与其对应的S-T图,S-T图中的普通顶点与图像像素相对??应,除此以外S-T图中还有两个终端顶点。??
【参考文献】:
期刊论文
[1]论DBSCAN算法在图像分割中分类的实现[J]. 王小龙. 电子技术与软件工程. 2013(12)
[2]灰度-梯度共生矩阵模型的加权条件熵阈值法[J]. 张弘,范九伦. 计算机工程与应用. 2010(06)
[3]用于灰度图像分割的小波区域扩张算法[J]. 刘旭红,张国英,刘玉树,柳晓雷. 计算机工程. 2004(22)
[4]多阈值BIRCH聚类算法及其应用[J]. 邵峰晶,张斌,于忠清. 计算机工程与应用. 2004(12)
[5]灰色欧几里德关联度[J]. 赵艳林,韦树英,梅占馨. 广西大学学报(自然科学版). 1998(01)
[6]T型关联度及其计算方法[J]. 唐五湘. 数理统计与管理. 1995(01)
[7]灰度图象的二维Otsu自动阈值分割法[J]. 刘健庄,栗文青. 自动化学报. 1993(01)
[8]灰色绝对关联度及其计算方法[J]. 梅振国. 系统工程. 1992(05)
[9]灰色B型关联分析[J]. 王清印. 华中理工大学学报. 1989(06)
本文编号:3505351
本文链接:https://www.wllwen.com/projectlw/qgylw/3505351.html