基于超像素的图像分割技术研究

发布时间：2017-10-14 00:03

  本文关键词：基于超像素的图像分割技术研究

  更多相关文章： 图像分割 超像素 分层分割 区域合并 PCB CT图像 过孔分割

【摘要】：图像分割是图像处理技术中的一个核心领域,由于图像分割的质量往往直接决定了后续图像分析、理解等任务的成败,因此图像分割技术的研究具有重要的意义。超像素(Superpixel)分割是近年来兴起的一种图像预处理(Pre-processing)技术,它将图像快速划分为一定数量的具有部分语义意义的子区域,相比于传统的处理基元——像素,超像素有利于提取图像的局部结构特征,能够大幅度减小后续处理的计算复杂度,出现以来即在计算机视觉领域得到了广泛的应用,成为当前图像处理技术中的一个研究热点。当超像素数量较少时,现有的超像素分割算法普遍存在分割质量较差的局限性,然而,利用超像素改进传统的区域合并等分割算法时,超像素数量越少,后续分割的计算复杂度越小,因此研究提高超像素数量较少时的超像素分割质量有着直接的应用价值。在印刷电路板(Printed Circuit Board,PCB)的无损检测中,基于PCB CT(Computed Tomography)图像的过孔(Via Hole)精确分割是后续焊点质量检测、电路原理分析等处理的必要步骤,但PCB CT图像存在的噪声大、目标和背景对比度低等特点对分割造成了不小的困难,借助超像素具有的抗噪和图像局部特征表达能力,有助于实现PCB CT图像的过孔精确分割。本文针对超像素分割算法存在的局限性和PCB CT图像的过孔分割问题进行研究,主要成果包括:1.分析总结了超像素分割算法的基本思想和性能特点,梳理了主流的超像素分割质量评价、紧密度评价和算法可控性评价方法。在此基础上,给出了16种超像素分割算法的分割结果和算法可控性总结。定量比较了6种典型算法的分割性能,分析了目前超像素分割算法存在的局限性,得出了超像素分割质量、紧密度与超像素数量间的相互关系。2.针对现有超像素分割算法在超像素数量较少时分割质量差的局限性,提出了一种分层超像素分割模型,采用粗-精结合分割的分层分割思想,利用图像局部结构特征调整超像素分布密度,在保持与主流超像素分割算法同等分割质量的前提下,大幅度减少了冗余超像素。在此基础上,针对MSRM(Maximal Similarity Based Region Merging)算法合并时间过长的问题,提出了一种基于分层超像素的区域合并分割算法,在超像素分割、用户交互、特征提取与相似性度量等多方面进行了改进。实验表明,与MSRM算法相比,本文算法在保持同等分割质量时合并时间缩短了约50%;与Grabcut等主流图像分割算法相比,本文算法的分割质量更好。3.针对PCB CT图像中的过孔精确分割问题,提出了一种基于超像素的PCB CT图像过孔自动分割算法。分析了7种典型的分割算法对PCB CT图像分割结果不佳的原因,引入超像素作为分割基元,研究比较了10种超像素分割算法对PCB CT图像的分割性能,选择ERS(Entropy Rate Superpixel)算法对PCB CT图像进行超像素分割。在此基础上,结合超像素表达出的过孔形状特征,基于圆度率设计了一种超像素合并与筛选策略,利用区域合并的思想分割过孔目标。实验表明,与基于Hough变换圆检测的分割算法相比,本文算法在分割准确率和召回率指标上都有一定程度的提高,特别是在过孔和背景存在灰度重叠的情况下,降低了出现错误分割的概率。
【关键词】：图像分割 超像素 分层分割 区域合并 PCB CT图像 过孔分割
【学位授予单位】：解放军信息工程大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TP391.41
【目录】：

• 摘要4-6
• Abstract6-13
• 第一章 绪论13-21
• 1.1 课题背景与意义13-14
• 1.2 图像分割14-18
• 1.2.1 图像分割方法14-15
• 1.2.2 图像分割评价15-17
• 1.2.3 超像素分割17-18
• 1.3 研究内容及结构安排18-21
• 第二章 超像素分割算法21-37
• 2.1 超像素分割21-30
• 2.1.1 基于图论的算法21-26
• 2.1.2 基于梯度上升的算法26-30
• 2.2 超像素评价30-33
• 2.2.1 分割质量评价30-32
• 2.2.2 紧密度评价32-33
• 2.2.3 算法可控性评价33
• 2.3 算法性能比较及分析33-36
• 2.4 本章小结36-37
• 第三章 基于分层超像素的区域合并分割算法37-51
• 3.1 分层超像素分割37-44
• 3.1.1 现有方法的局限性37-39
• 3.1.2 分层超像素分割模型39-41
• 3.1.3 实验结果及分析41-44
• 3.2 基于分层超像素的区域合并分割算法44-50
• 3.2.1 用户交互44-45
• 3.2.2 特征提取与相似性度量45-46
• 3.2.3 合并准则与停止条件46-48
• 3.2.4 实验结果及分析48-50
• 3.3 本章小结50-51
• 第四章 基于超像素的PCB CT图像过孔分割算法51-65
• 4.1 PCB CT图像51-52
• 4.1.1 锥束CT成像51-52
• 4.1.2 PCB CT图像52
• 4.2 典型算法的过孔分割结果52-55
• 4.3 基于超像素的PCB CT图像过孔分割算法55-60
• 4.3.1 针对PCB CT图像的超像素分割55-57
• 4.3.2 形状特征的提取与描述57-58
• 4.3.3 超像素合并与筛选58-60
• 4.4 实验结果及分析60-64
• 4.5 本章小结64-65
• 第五章 总结与展望65-67
• 致谢67-68
• 参考文献68-74
• 作者简历74

【参考文献】

中国期刊全文数据库 前10条

1 高永强;乔宇;黄椺林;;局部二值描述子在图像匹配中的应用[J];网络新媒体技术;2014年02期

2 饶倩;文红;喻文;毛祺琦;苏伟伟;;超像素及其应用综述[J];电脑与信息技术;2013年05期

3 裴玉东;周利莉;曾磊;闫镔;;一种印刷电路板锥束CT图像中过孔定位检测方法[J];信息工程大学学报;2013年04期

4 薛维琴;周志勇;郑健;张涛;;含先验形状的水平集血管分割方法[J];计算机辅助设计与图形学学报;2013年08期

5 王春瑶;陈俊周;李炜;;超像素分割算法研究综述[J];计算机应用研究;2014年01期

6 刘毅;黄兵;孙怀江;夏德深;;利用视觉显著性与图割的图像分割算法[J];计算机辅助设计与图形学学报;2013年03期

7 周琳;沈建新;廖文和;王玉亮;;基于中心线提取的视网膜血管分割[J];生物医学工程学杂志;2012年01期

8 韩守东;赵勇;陶文兵;桑农;;基于高斯超像素的快速Graph Cuts图像分割方法[J];自动化学报;2011年01期

9 姚畅;陈后金;;病变视网膜图像血管网络的自动分割[J];电子学报;2010年05期

10 昌仁民;CT窗宽窗位的分析与应用[J];CT理论与应用研究;1995年03期

，

本文编号：1027826