欢迎来到天天文库
浏览记录
ID:36761545
大小:3.75 MB
页数:67页
时间:2019-05-14
《基于偏微分方程的图像分割硕士论》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、西安电子科技大学硕士学位论文基于偏微分方程的图像分割姓名:郝朝军申请学位级别:硕士专业:计算数学指导教师:王卫卫20100101摘要图像分割是计算机视觉中的关键步骤之一。图像分割的目的就是把目标物体或者人们感兴趣的部分从图像中分离出来,同时得到相应的目标物体的边缘。长期以来,尽管在该领域存在着许多分割方法,但是并没有对各种图像都适用的通用分割方法。近年来,基于偏微分方程的图像分割方法因其特有的优点逐渐成为研究的热点。本文研究基于偏微分方程的图像分割方法。首先介绍必要的数学基础与基于变分法的经典的图像分割方法;然后提出改进的无需重新初始化的水平集方法,数值实验表明该方法能精确高效地检测出
2、图像中存在的多层边缘;最后结合图像中感兴趣目标的直方图信息,提出一种针对视频图像中运动目标的分割模型,更进一步,借助直方图匹配的思想,针对较复杂的二相和四相纹理图像分别提出了分割模型,通过求解这些模型可以得出相应的分割算法,这些算法具有水平集构造简单、无需重新初始化,分割速度快、精度高等特点,对计算机生成的图像和实际图像进行的实验验证了这些算法的有效性。关键词:图像分割偏微分方程水平集活动轮廓模型AbstractImagesegmentationisoneofthekeyproblemsinComputerVision.Thepurposeofimagesegmentationisto
3、separatetheinterestedobjectsfromtheimageandobtaintheedgesoftheobjects.ManysegmentationmethodsareavailablenowwhilefewCanapplyforanytypeofimages.Recently,variationalmethodsandpartialdifferentialequation(PDE)methodsbringnewvitalityforimagesegmentationandmanysuccessfulmodelshavebeenproposed.Inthisth
4、esis,imagesegmentationmethodsbasedonPDEarestudied.First,SOmeprerequisitemathematicalfoundationsandclassicalvariationalsegmentationmodelsareintroduced.Thenallimprovedmethodforlevelsetevolutionwithoutre..initializationisproposed.NumericalexperimentsshowthenewmethodCandetectmultipleedgesintheimagep
5、reciselyandefficiently.Finally,byincorporatingthehistograminformationofinterestedobjects,anewmodelfortrackingmovingobjectsispresentedinvideo.Further,theimagesegmentationmodelsfortwo.phasetextureimageandfour-phasetextureimagealeproposedwiththehelpofhistogrammatching.Andcarefullydesignedalgorithms
6、aregivenbysolvingthesemodels.Thealgorithmshavemanyadvantages,forexample,simplestructureoflevelset,withoutre.initialization,fastsegmentationspeed,highprecision.Experimentalresultsforrealimagesandimagescreatedbycomputershowtheperformanceofthealgorithms.Keywords:imagesegmentationpartialdifferential
7、equation(PDE)levelsetactivecontourmodel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
此文档下载收益归作者所有