收藏本站
《哈尔滨工程大学》 2014年
收藏 | 手机打开
二维码
手机客户端打开本文

基于偏微分方程的图像分割及应用研究

董光辉  
【摘要】:图像分割是图像分析理解过程中最重要的环节。偏微分方程作为数学领域的重要分支,具有较强的理论体系,其数值求解算法也在不断的发展和更新。目前,偏微分方程已经应用到图像去噪、图像分割、图像重建和图像复原等领域,并取得了较大的成功。论文以偏微分方程的模型实现为基本主线,总结了偏微分方程图像分割及应用的研究现状,并对偏微分方程求解过程中水平集和L1正则化理论进行了概括。针对偏微分方程图像分割提出了三个改进模型,通过视频图像序列运动目标分割和木材缺陷分类识别验证了所提出的基于偏微分方程分割模型的有效性和实际价值。第一,利用文化算法的全局寻优特性,对C-V水平集图像分割的初始参数进行优化,提出了文化算法C-V水平集图像分割模型,简记为CC-V模型。利用文化算法初始种群空间在较大范围设定初始化分割参数,通过信度空间的形势知识和规范知识不断优化指导种群进化,实现分割参数全局优化,并通过判定图像熵适应度值的变化适时终止分割过程。通过实验结果分析比较,CC-V模型相比C-V模型具有更好的分割效果。将偏微分方程图像分割模型应用于视频图像序列进行运动目标分割。首先,通过分块统计直方图构建背景模型;然后,利用背景差法进行视频运动目标的定位,将多目标定位的最小外接矩形作为模型分割的初始轮廓;最后,利用引入终止判定条件的DRLSE模型、C-V模型和CC-V模型实现对运动目标的分割。通过实验结果说明了 CC-V模型在运动目标分割方面的实际价值。第二,将边缘检测函数的特性融入到CEN模型中的全变分项,提出了自适应全局极小化分割模型。自适应全局极小化分割模型是结合基于边缘的活动轮廓模型和基于区域的活动轮廓模型提出的,具有分割灰度不均匀图像的能力,在分割的过程中,根据活动轮廓内外部灰度均值的变化自适应改变边缘检测函数的下降速度,提高了分割效率,分割结果更多地保留了图像中的细节结构。通过对医学图像、合成图像和灰度不均匀图像实验结果的分析,说明了所提出的自适应全局极小化分割模型的优势。利用概率Rand指数、变化信息和全局一致性误差三个参数对模型分割效果进行客观评价,自适应全局极小化模型相比CEN模型具有更高的分割准确度。最后,将自适应全局极小化模型应用于视频图像序列运动目标分割,进一步说明了模型的实用性。第三,针对纹理图像分割问题,研究了基于非局部处理思想的偏微分方程纹理图像分割,提出了NL-CEN模型。L1正则化是图像处理领域中图像去噪和压缩感知信息重建的基本数学模型,Split-Bregman算法在非局部图像分割和压缩感知信号重建中,都具有极高的运算效率。NL-CEN模型是将CEN模型中的全变分项改进为非局部全变分,采用累积分布函数和Wasserstein距离对图像块之间的相似性进行度量,利用Split-bregman迭代算法实现基于非局部的偏微分方程图像分割。通过对典型纹理图像分割结果的比较,说明了 NL-CEN模型在自然纹理图像分割中的优势。将NL-CEN模型应用于视频图像序列进行运动目标分割,分割效率高于CC-V模型,低于自适应全局极小化模型。第四,在偏微分方程分割模型实现的基础上,将分割模型应用于木材缺陷分类识别。首先,对木材缺陷图像进行分割;其次,采用数学形态学对分割结果进行多余细小结构和空洞的去除;最后,采用分割区域内、外部灰度均值以及区域内部内接矩形灰度均值之间的关系,缺陷区域圆形度,内接矩形纹理特征对死节、活节和虫眼三类木材缺陷图像进行分类识别,分类识别的准确率也可以说明CC-V模型、自适应全局极小化模型和NL-CEN模型在图像分割上的有效性及其在实际中的应用价值。
【学位授予单位】:哈尔滨工程大学
【学位级别】:博士
【学位授予年份】:2014
【分类号】:TP391.41;O175.2

【相似文献】
中国期刊全文数据库 前10条
1 汪一休;;一种交互式图像分割的修正优化方法[J];中国科学技术大学学报;2010年02期
2 李丹;;图像分割方法及其应用研究[J];科技信息;2010年36期
3 何艳阳,王景熙,罗渝兰,屈冰;生物仿真神经网络图像分割方法中的参数自动确定[J];四川师范大学学报(自然科学版);2001年02期
4 魏弘博,吕振肃,蒋田仔,刘新艳;图像分割技术纵览[J];甘肃科学学报;2004年02期
5 彭仁明;基于彩色的印鉴图像分割技术[J];甘肃科技;2005年09期
6 曹建农;方丹霞;;基于图论的图像分割方法及其局限性研究[J];测绘技术装备;2006年02期
7 张晓萌;付燕;;图像分割技术研究[J];科技情报开发与经济;2007年18期
8 蒋海军;刘文;刘朝晖;;基于回形窗的弱小多目标图像分割方法[J];光子学报;2007年11期
9 张田;周翔凤;王希常;;一种利用图进行图像分割的高效方法[J];山东师范大学学报(自然科学版);2008年02期
10 郑肇葆;;Cognitive Agent在图像分割中应用的研究[J];武汉大学学报(信息科学版);2008年07期
中国重要会议论文全文数据库 前10条
1 杨魁;赵志刚;;图像分割技术综述[A];2008年中国高校通信类院系学术研讨会论文集(下册)[C];2009年
2 杨暄;郭成安;李建华;;改进的脉冲耦合神经网络及其在图像分割中的应用[A];第十届全国信号处理学术年会(CCSP-2001)论文集[C];2001年
3 杨生友;;图像分割在医学图像中应用现状综述[A];2009中华医学会影像技术分会第十七次全国学术大会论文集[C];2009年
4 闫平昆;;基于模型的图像分割技术及其医学应用[A];第十五届全国图象图形学学术会议论文集[C];2010年
5 高岚;胡友为;潘峰;卢凌;;基于小生境遗传算法的SAR图像分割[A];可持续发展的中国交通——2005全国博士生学术论坛(交通运输工程学科)论文集(下册)[C];2005年
6 孙莉;张艳宁;胡伏原;赵荣椿;;基于Gaussian-Hermite矩的SAR图像分割[A];第十三届全国图象图形学学术会议论文集[C];2006年
7 李盛;;基于协同聚类的图像分割[A];第十四届全国图象图形学学术会议论文集[C];2008年
8 张利;许家佗;;舌象图像分割技术的研究与应用进展[A];中华中医药学会中医诊断学分会第十次学术研讨会论文集[C];2009年
9 秦昆;李振宇;李辉;李德毅;;基于云模型和格网划分的图像分割方法[A];《测绘通报》测绘科学前沿技术论坛摘要集[C];2008年
10 高惠琳;窦丽华;陈文颉;谢刚;;图像分割技术在医学CT中的应用[A];中国自动化学会控制理论专业委员会A卷[C];2011年
中国博士学位论文全文数据库 前10条
1 董光辉;基于偏微分方程的图像分割及应用研究[D];哈尔滨工程大学;2014年
2 白雪飞;基于视觉显著性的图像分割方法研究[D];山西大学;2014年
3 黄万里;基于高分卫星数据多尺度图像分割方法的天山森林小班边界提取研究[D];福建师范大学;2015年
4 王辉;图像分割的最优化和水平集方法研究[D];电子科技大学;2014年
5 高婧婧;脑部MR图像分割理论研究[D];电子科技大学;2014年
6 潘改;偏微分方程在图像分割中的应用研究[D];东北大学;2013年
7 冯籍澜;高分辨率SAR图像分割与分类方法研究[D];电子科技大学;2015年
8 李伟斌;图像分割中的变分模型与快速算法研究[D];国防科学技术大学;2014年
9 邓晓政;基于免疫克隆选择优化和谱聚类的复杂图像分割[D];西安电子科技大学;2014年
10 帅永旻;SAR图像分割若干相关技术研究[D];武汉大学;2011年
中国硕士学位论文全文数据库 前10条
1 王聪聪;手机上的交互式图像分割方法研究[D];华中科技大学;2013年
2 廖小波;基于贝叶斯最优统计的图切法图像分割研究[D];昆明理工大学;2015年
3 姜士辉;基于Android系统的立木图像分割方法研究[D];东北林业大学;2015年
4 路亚缇;基于粒子群优化算法的最大熵多阈值图像分割研究[D];郑州大学;2015年
5 刘超;基于阈值图像分割的研究及在苹果定位中的应用[D];东华理工大学;2015年
6 何妮;结合显著性目标检测与图像分割的服饰提取算法研究及实现[D];西南交通大学;2015年
7 刘晓磊;基于MRF随机场模型的机器人视觉图像分割方法研究[D];西安建筑科技大学;2015年
8 王周楠;数字图像处理的研究仿真[D];中国地质大学(北京);2015年
9 许素素;改进的模糊C均值聚类算法在图像分割中的应用[D];长安大学;2015年
10 齐国红;基于FCM和SVM相结合的作物病害图像分割方法研究[D];郑州大学;2015年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62791813
  • 010-62985026