基于概率图模型的图像分割技术研究及工程应用

《基于概率图模型的图像分割技术研究及工程应用》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、学校代码10530学号201330111698分类号TP391密级公开硕士学位论文基于概率图模型的图像分割技术研究及工程应用学位申请人钟益群指导教师王灵矫副教授学院名称信息工程学院学科专业电气工程研究方向电力系统及其自动化二○一六年六月五日ResearchandEngineeringApplicationofImageSegmentationbasedonProbabilisticGraphModelCandidateZhongYiqunSupervisorWangLingjiao(AssociateProfessor)CollegeCollegeofInformation

2、EngineeringProgramElectricalEngineeringSpecializationElectricPowerSystemandAutomationDegreeMasterofEngineeringUniversityXiangtanUniversityDateJune5,2016湘巧大学学位论文原创性声明本人郑重声明：所呈交的论文是本人在导师的指导下独立进行研究所取得的研究成果。除了文中特别加Ｗ标注引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写的成果作品。对本文的研究做出重要贡献的个人和集体，均已在文中Ｗ明确方式标明。

3、本人完全意识到本声明的法律后果由本人承担。作者签名；种参焉日期知６月ｆ日ｊ学位论文版权使用授权书、本学位论文作者完全了解学校有关保留使用学位论文的规定，同意学校保留并向国家有关部口或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授权湘潭大学可将本学位论文的全部或部分内容编入有关、数据库进行检索，可采用影印缩印或扫描等复制手段保存和汇编本学位论文。涉密论文按学校规定处理。作者签名；叫参曰期；＾月Ｘ曰导师签名；日期；ｔＶ各月厂日湘潭大学硕士毕业论文摘要图像分割是图像处理和计算机视觉中的基础性研究工作，是对图像进行分析

4、和理解的关键环节。基于概率图模型的图像分割方法为解决图像信息处理中存在的大量不确定性问题提供了理论基础，概率图模型提供了完善的理论框架，行业学者持续深入的研究使之迅速发展，在医学、计算机视觉、遥感图像处理等领域得到了广泛应用。早期的图像分割方法主要是基于图像的低层特征，不能准确地表示目标对象，而基于概率图模型的图像分割方法可以很好地将图像的高层语义信息和低层特征相结合，充分描述目标对象的特征。随着模型的结构越来越复杂，能量函数的势能项、参数及变量的数量越来越多，使参数的训练难度也随之增大，能量函数最小化的计算效率越来越低等问题也接踵而至，本文针对这一问题系统地研究了基于概率

5、图模型的图像分割技术。本文的主要内容和创新点如下：（1）对基于概率图模型的图像分割方法的研究现状及存在的问题详细地进行了总结和分析，概述了基于概率图模型的图像分割所涉及到的相关理论基础及常用的两种概率图模型，介绍了基于概率图模型的图像分割的设计步骤。n（2）提出了一种基于鲁棒性PPotts高阶CRFs模型的高效图像分割算法，针n对结构复杂，参数较多的鲁棒性PPotts高阶CRFs模型，提出改进的图像分割算法：首先计算图像的局部最优解，其解为扩展算法提供了初始化，然后在扩展算法的每次迭代过程中对图进行动态更新，不仅解决了因模型复杂造成图像分割低效率的问题，而且有效地避免了

6、图像的过分割。（3）提出了一种基于深度高阶CRFs模型的图像分割方法，该模型由像素、n相邻像素对之间的边和分割块（超像素）三个部分组成，其中基于鲁棒性PPotts高阶CRFs模型的基础上，对一元能量项的纹理势函数中引入了扩充纹元，使得一元能量项能更好地表征图像的特征，并采用合作割势函数作为成对能量项，该模型无论对二元标记还是多标记都能分割得到更精细的目标轮廓。（4）以槟榔的生产加工为应用背景，将本文中研究的基于概率图模型的图像分割方法应用于不规则物体的视觉定位，实现对不规则物体的位姿调整，达到自动加工的效果，实现了机器对不规则物体在生产加工过程中的自动化。关键词：合作割势函

7、数；CRFs模型；能量最小化；图像分割；概率图模型I湘潭大学硕士毕业论文AbstractImagesegmentationisabasicresearchtaskintheaspectofanimageprocessingandacomputervision,anditisthekeyelementtoanalyzeandunderstandanimage.Imagesegmentationmethodsbasedonprobabilisticgraphicalmodelprovideasolidtheoretic