模糊活动轮廓模型在图像分割与变化检测中的应用

发布时间：2021-10-06 18:10

　　随着现代电子成像技术的飞速发展,人们获取到的图像类型日趋多样化。由于成像过程易受仪器设备的局限,光照条件以及空间分辨率等因素的影响,数字图像自身存在许多不确定性和不精确性的问题。图像中可能存在的灰度不均匀性、噪声、低对比度等缺陷很大程度上增加了图像分割的难度。模糊理论在描述不确定性事件和不精确性信息时具有先天的优势。模糊图像分割技术能够更好地处理图像中的模糊性、不确定性信息,保留更多原始图像信息,进而提高图像分割方法的准确性。本论文主要针对目前模糊图像分割算法存在的问题进行深入的分析,通过对模糊活动轮廓模型进行更加深入的研究,针对将模糊理论应用于图像分割具体问题时所面临的一些实际困难,提出了有效解决方法。在此基础上所做的工作和取得的成果概括为以下五个部分:（1）混合聚类算法同时结合模糊集和粗糙集在表达数据不确定信息方面的优点。针对现有混合聚类方法中存在权重参数需要手工设定的缺陷,提出一种改进的混合聚类方法。新算法可以更好的利用数据集自身的内在结构信息,在聚类迭代过程中自适应的调整权重因子。由于聚类分析与图像分割问题具有重要的联系。图像分割问题恰好可以看成是将图像中的像素点进行分类的问题... 

【文章来源】：西安电子科技大学陕西省 211工程院校 教育部直属院校

【文章页数】：169 页

【学位级别】：博士

【文章目录】：
摘要
ABSTRACT
符号对照表
缩略语对照表
第一章 绪论
    1.1 研究背景及意义
    1.2 图像分割算法简介
    1.3 图像模糊性分析
    1.4 聚类分析研究现状
        1.4.1 聚类分析方法
        1.4.2 模糊聚类图像分割方法
    1.5 活动轮廓模型
        1.5.1 参数活动轮廓模型
        1.5.2 几何活动轮廓模型
    1.6 本文的主要工作及内容安排
第二章 基于粗糙模糊集的混合聚类算法
    2.1 引言
    2.2 粗糙集合理论简介
        2.2.1 粗糙集合背景知识
        2.2.2 粗糙集合理论基础
    2.3 粗糙模糊c均值聚类算法
        2.3.1 粗糙c均值聚类算法
        2.3.2 粗糙模糊c均值聚类算法
    2.4 自适应权重因子混合聚类算法
        2.4.1 近似集合权重值估计
        2.4.2 算法框架及实现
    2.5 实验结果与分析
        2.5.1 实验设置
        2.5.2 人工数据集实验结果
        2.5.3 参数敏感性分析
        2.5.4 UCI数据集实验结果
    2.6 本章小结
第三章 基于图像局部信息的活动轮廓模型图像分割算法
    3.1 引言
    3.2 模糊活动轮廓模型
    3.3 基于局部邻域信息的模糊轮廓模型
        3.3.1 算法思想
        3.3.2 算法框架及实现
    3.4 实验结果与分析
        3.4.1 实验设置
        3.4.2 人工图像实验结果与分析
        3.4.3 真实图像实验结果与分析
        3.4.4 初始轮廓条件敏感性分析
    3.5 本章小结
第四章 基于区域模糊活动轮廓模型的极光图像分割
    4.1 引言
    4.2 极光图像分析的研究进展与现状
        4.2.1 极光图像的获取
        4.2.2 极光图像分析的研究进展与现状
    4.3 区域模糊活动轮廓模型极光图像分割方法
        4.3.1 经典的极光图像分割方法
        4.3.2 算法思想
        4.3.3 划分区域策略
        4.3.4 算法框架及实现
    4.4 实验结果与分析
        4.4.1 实验设置
        4.4.2 参数敏感性分析
        4.4.3 极光卵图像分割结果
        4.4.4 分割准确性分析
        4.4.5 算法鲁棒性分析
    4.5 本章小结
第五章 基于区间二型模糊活动轮廓模型的图像分割算法
    5.1 引言
    5.2 区间二型模糊集理论
    5.3 区间二型模糊活动轮廓模型
        5.3.1 算法思想
        5.3.2 算法框架及实现
    5.4 实验结果与分析
        5.4.1 实验设置
        5.4.2 参数敏感性分析
        5.4.3 人工图像实验结果与分析
        5.4.4 自然图像实验结果与分析
        5.4.5 极光卵图像实验结果与分析
        5.4.6 初始轮廓位置敏感性分析
    5.5 本章小结
第六章 基于进化计算活动轮廓模型的遥感图像变化检测
    6.1 引言
    6.2 遥感图像变化检测研究现状
    6.3 基于进化计算活动轮廓模型的遥感图像变化检测方法
        6.3.1 算法框架
        6.3.2 遗传算法优化中间检测结果
    6.4 实验结果与分析
        6.4.1 实验设置
        6.4.2 实验数据介绍
        6.4.3 参数敏感性分析
        6.4.4 遥感图像变化检测结果与分析
    6.5 本章小结
第七章 总结与展望
附录
参考文献
致谢
作者简介


【参考文献】：
期刊论文
[1]中国极区高空大气物理学观测研究进展[J]. 刘瑞源,杨惠根.  极地研究. 2011(04)
[2]Extraction of auroral oval boundaries from UVI images: A new FLICM clustering-based method and its evaluation[J]. WANG Qian 1 , MENG QingHu 1 , HU ZeJun 2 , XING ZanYang 2,3 , LIANG JiMin 1 & HU HongQiao 2 1 School of Life Sciences and Technology, Xidian University, Xi’an 710071, China; 2 SOA Key Laboratory for Polar Science, Polar Research Institute of China, Shanghai 200136, China; 3 School of Science, Xidian University, Xi’an 710071, China.  Advances in Polar Science. 2011(03)
[3]基于水平集的多运动目标时空分割与跟踪[J]. 于慧敏,徐艺,刘继忠,高晓颖.  中国图象图形学报. 2007(07)
[4]遗传算法在图像处理中的应用[J]. 田莹,苑玮琦.  中国图象图形学报. 2007(03)
[5]图像边缘检测方法研究[J]. 魏伟波,芮筱亭.  计算机工程与应用. 2006(30)
[6]多尺度形态学图像边缘检测方法[J]. 连静,王珂.  计算机工程与应用. 2006(05)
[7]基于数学形态学的图像边缘检测[J]. 雷艳敏,黄秋元.  武汉理工大学学报(信息与管理工程版). 2005(05)
[8]图像分割技术研究[J]. 张新峰,沈兰荪.  电路与系统学报. 2004(02)
[9]基于加权模糊c均值聚类与统计检验指导的多阈值图像自动分割算法[J]. 高新波,李洁,姬红兵.  电子学报. 2004(04)
[10]图像分割方法综述[J]. 罗希平,田捷,诸葛婴,王靖,戴汝为.  模式识别与人工智能. 1999(03)

硕士论文
[1]模糊聚类及其在图像分割中的应用[D]. 曹铮.河北大学 2010



本文编号：3420504