多参量融合在图像分割处理中的应用研究

【摘要】：图像是信息社会的重要媒介,是人类感知世界的视觉基础,是人类获取信息、表达信息和传递信息的重要手段。近些年,随着移动智能终端设备的普及和移动互联网技术的发展,图像在分割、检索、识别等方面的研究步入了更高的水平。图像分割技术的应用渗透到了社会的各个领域,包括生物医学工程、工业自动化、人工智能等等。什么是图像分割,图像分割就是通过对分割算法的研究,利用硬件和软件设计来实现图像中目标物体的轮廓提取。它是计算视觉、人工智能以及机器学习等众多领域的重要知识基础。实际应用中,不同图像之间存在的差异非常明显,往往通过选择特定的图像类别来进行分割算法的研究。如何从图像的自然背景中提取出清晰的目标物轮廓是图像分割的重要内容,对于过分割、欠分割以及错误分割,都会导致识别错误。因此边缘轮廓提取的清晰度是图像分割有效性的一个重要衡量指标。亮度、颜色、纹理作为图像外观表现的重要方面之一,利用亮度和颜色参量进行图像分割的理论研究相对较早,早期的分割技术主要利用图像中颜色信息进行分割算法的研究,而颜色只是物体外观特征的一个方面。为了实现更好的图像分割效果,分割算法的设计需要结合图像中更高层次的参量信息。针对单参量分割的不足,本文通过融合图像中的亮度、色度和纹理特征对图像的分割算法进行研究。本文的主要研究工作如下:1.图像分割一般要符合人类视觉的基本特征。根据生物学家的研究发现,人类视觉感受野存在奇对称和偶对称特性。机器视觉就是要完成人眼对于分类、识别和选择的功能。图像分割预处理中滤波器的的选择类别虽然很多,但本文使用的分割算法结合人类视觉特征的情况下,利用拉普拉斯—高斯模型滤波器对图像纹理进行预处理操作,利用乘积滤波模型对图像亮度进行预处理操作。2.图像信号的幅度信息容易获取且容易算法实现,但往往相位信息更符合人类视觉感知的特点,一般在相位一致性高的点上更易于人类感知到图像特征。因此本文综合图像中的亮度梯度和相位信息,选择小波变换在不同方向上的特征表现对相位在图像分割处理中的重要性进行分析。3.在一幅图像当中,一方面亮度和纹理会存在邻域最大幅值的空间延拓性,另一方面参量信号波形的双峰现象会导致纹理检测困难导致目标物体轮廓提取不清晰。本文利用亮度与纹理的局部化方法来减少波峰个数,同时平滑波峰与波峰之间的渐变过程。4.图像分割处理中,利用融合模型的构建来对图像中的局域信息进行亮度、色度、纹理参量的检测、关联、估计和综合方面的处理,在兼顾轮廓提取清晰度与分割前后信息熵变化的情况下,同时考虑参量间的显著性信息。近些年,随着图像处理技术的发展,利用多参量融合进行图像分割的应用研究受到众多学者的广泛关注,广泛存在于工业领域和科技领域的研究人员和工程技术人员之中。本文吸取已有成果的基础上,在本章的论述过程中力求简洁、形象、严谨与系统,尽量为融合多参量分割的图像研究提供一个完整的分析过程,一般会在在理论分析之后穿插图片与数据表格进行补充说明。下列的研究方法是本文撰写过程中用到的概况性总结:1.参阅文献进行研究,为使研究材料的来源尽可能丰富、详实、具有针对性。本人在研究过程中参阅了大量的文献资料,其中包括国内外的重要学术论文(academic paper)和出版书籍。2.对比研究,选取图像分割中的一些典型算法,对其实现过程和分割效果作比较性分析,分析其优点与不足之处。3.迁移研究,课题研究期间,广泛涉猎其它领域的研究成果与实际应用背景,结合本研究的特点,可以考虑拓展性研究,融合其它方法的优点。4.分层与归类研究,由于数字图像的研究和应用非常广泛,可获取的材料非常庞杂,需要在分割效果的验证过程中对研究材料和分割算法作出选择性分门别类。5.实验验证分析,一般在理论分析之后会提供大量的分析图像和数据表格,利用实验验证使分析过程更具说服力。6.分析设计方法,对图像分割的硬件实现,利用自顶向下的结构性层次设计方法,把设计过程分解成各个模块,每个模块完成特定的功能。
【关键词】：图像分割 参量融合 边缘轮廓 FPGA
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TP391.41