欢迎来到天天文库
浏览记录
ID:34550647
大小:2.44 MB
页数:83页
时间:2019-03-07
《基于包含度和核描述子的主动轮廓模型》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库。
1、基于包含度和核描述子的主动轮廓模型作者姓名张翔导师姓名、职称公茂果教授一级学科控制科学与工程二级学科模式识别与智能系统申请学位类别工学硕士提交学位论文日期2014年11月学校代码10701学号1202121227分类TN82号TN39密级公开西安电子科技大学硕士学位论文基于包含度和核描述子的主动轮廓模型作者姓名:张翔一级学科:控制科学与工程二级学科:模式识别与智能系统学位类别:工学硕士指导教师姓名、职称:公茂果教授提交日期:2014年11月InclusionDegreeandKernelDescriptorbasedActiveContourMod
2、elsAthesissubmittedtoXIDIANUNIVERSITYinpartialfulfillmentoftherequirementsforthedegreeofMasterinControlScienceandEngineeringByZhangxiangSupervisor:Prof.GongmaoguoNovember2014西安电子科技大学学位论文独创性(或创新性)声明秉承学校严谨的学风和优良的科学道德,本人声明所呈交的论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知,除了文中特别加以标注和致谢中所罗列的内容以
3、外,论文中不包含其他人已经发表或撰写过的研究成果;也不包含为获得西安电子科技大学或其它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。学位论文若有不实之处,本人承担一切法律责任。本人签名:日期:西安电子科技大学关于论文使用授权的说明本人完全了解西安电子科技大学有关保留和使用学位论文的规定,即:研究生在校攻读学位期间论文工作的知识产权单位属于西安电子科技大学。学校有权保留送交论文的复印件,允许查阅、借阅论文;学校可以公布论文的全部或部分内容,允许采用影印、缩印或其它复制手段保存论文。
4、同时本人保证,获得学位后结合学位论文研究成果撰写的文章,署名单位为西安电子科技大学。保密的学位论文在年解密后适用本授权书。本人签名:导师签名:日期:日期:摘要摘要图像分割是图像处理的一个重要步骤,它在计算机视觉领域,特别是模式识别、目标跟踪和检测、图像重构和特征提取等方面有着重要而广泛的应用。主动轮廓模型是近年来非常流行的图像分割工具,本文在一定理论分析和方法讨论的基础上,提出了两种新的主动轮廓模型。本文所做的主要工作如下:1.提出一种基于包含度的无参数概率主动轮廓模型。该方法把图像的概率域信息和模糊集理论相联系,通过对图像区域概率密度函数的无参数
5、估计(核估计),在引入模糊集包含度概念的基础上,构造了图像前景区域和背景区域之间的重叠率。我们在长度正则项的约束下,利用前景和背景之间相互的重叠率,建立了基于包含度的能量函数。通过推导能量函数的梯度流和水平集方法,我们得到了这一优化问题的最优解。实验表明,我们的模型对人造图像和自然图像都能取得良好的分割效果,和已有的无参数概率主动轮廓相比,分割效果相当,并且计算的性能和效率都有一定提高。2.提出一种基于核描述子的交互式主动轮廓模型。早期的主动轮廓模型都是基于低维特征的,而低维图像特征往往缺乏对图像空间相关性的描述,所以对特征混杂的图像(大部分自然图
6、像都是特征混杂的)分割效果较差。对一般的高维特征,如局部直方图,不仅增加了特征在理论和计算上的复杂度,而且缺乏有效的相似度(差异度)度量方法用于建立主动轮廓模型的能量函数。因此我们引入核描述子,它对图像块特征引入每个像素的位置信息,充分考虑了像素的空间相关性。除此之外,它可以方便地计算不同特征之间的相似度,为能量函数的建立提供了方便。该方法有两个步骤,先通过粗分割,得到靠近理想边界的初始曲线。然后,用曲线上点的特征和各区域的模板特征集建立能量函数,最小化该能量函数,即可得到最后的分割结果。实验表明,该方法对用户输入具有很强的鲁棒性,在用户输入较少的
7、情况下,能够比图切方法等得到更良好的分割效果。关键字:图像分割,主动轮廓模型,包含度,核描述子论文类型:应用基础研究类IABSTRACTABSTRACTImagesegmentationisoneofthemostimportantpartsinimageprocessing.Ithasbeenwidelyusedinplentyfieldssuchaspatternrecognition,objecttrackinganddetection,imagerestorationandfeatureextraction.Inrecentyears,ac
8、tivecontourmodelsbecomeoneofthemostpopulartoolstosolveimagese
此文档下载收益归作者所有