基于中介真值程度度量的图像分割方法研究

论文摘要

图像分割就是把图像分成各具特性的区域并提取出感兴趣目标的技术和过程。它是图像处理到图像分析的关键步骤,也是一经典难题。本文对模糊聚类理论、标准FCM算法和基于FCM算法的图像分割方法进行了深入的研究并对FCM图像分割算法的相关难点进行了分析。针对FCM图像分割算法对噪声敏感的问题,考虑了图像像素之间的空间信息,利用像素点与其邻域像素灰度的相似性及相关性和中介真值程度的度量定义了中介隶属度函数,提出了基于中介真值程度度量的FCM图像分割算法。实验结果表明该算法的抗噪性要明显好于标准FCM图像分割算法,而且在分割时具有更大的确定性和更小的模糊性。本文在对经典的图像边缘检测算法进行了深入研究的基础上,利用图像边缘的两个特性:边缘点的邻域内灰度值变化显著和边缘与边缘走向垂直的方向有一个局部峰值,并结合基于中介真值程度度量的图像边缘检测算法和阈值的迭代计算方法,设计了基于中介真值程度度量的自适应图像边缘检测算法。实验结果表明,新算法不仅能够检测出连续的边缘,而且比一些经典的边缘检测算法更能有效的保留图像的细节,具有更好的抗噪性。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 研究背景
• 1.2 图像分割概念
• 1.3 图像分割算法概述
• 1.3.1 阈值化分割算法
• 1.3.2 基于聚类的图像分割算法
• 1.3.3 基于区域的图像分割算法
• 1.3.4 基于边缘检测的图像分割算法
• 1.3.5 基于特定理论的图像分割算法
• 1.4 论文的研究意义和主要研究内容
• 1.5 论文的组织安排
• 第二章 中介真值程度的度量
• 2.1 中介数学和中介真值程度度量的研究背景
• 2.2 中介数学系统的基本符号
• 2.3 中介真值程度的度量
• 2.3.1 超态概念
• 2.3.2 距离概念
• 2.3.3 一维情形的真值程度的度量
• 2.3.4 距离比例函数
• 2.4 本章小结
• 第三章 基于中介真值程度度量的FCM 图像分割方法及实现
• 3.1 FCM 聚类算法简介
• 3.1.1 模糊聚类理论
• 3.1.2 模糊C 均值聚类算法原理
• 3.1.3 模糊C 均值聚类图像分割算法
• 3.2 基于中介真值程度度量的FCM 图像分割方法
• 3.2.1 基于中介真值程度度量的像素点间的相似性度量
• 3.2.2 图像的中介隶属度
• 3.2.3 基于中介的FCM 图像分割算法的主要思想
• 3.3 基于中介真值程度度量的FCM 图像分割方法的实现
• 3.3.1 基于中介的FCM 图像分割算法的设计
• 3.3.2 基于中介的FCM 图像分割算法的实现步骤
• 3.3.3 实验结果及分析
• 3.4 本章小结
• 第四章 基于中介真值程度度量的自适应图像边缘检测方法及实现
• 4.1 图像边缘及边缘检测
• 4.1.1 图像边缘
• 4.1.2 边缘检测的步骤及要求
• 4.1.3 经典的边缘检测算法
• 4.2 基于中介真值程度度量的自适应图像边缘检测方法
• 4.2.1 基于中介的图像边缘检测算法
• 4.2.2 迭代式阈值计算方法
• 4.2.3 基于中介的自适应图像边缘检测算法的主要思想
• 4.3 基于中介真值程度度量的自适应图像边缘检测方法的实现
• 4.3.1 基于中介的自适应图像边缘检测算法的设计
• 4.3.2 基于中介的自适应图像边缘检测算法的实现步骤
• 4.3.3 实验结果及分析
• 4.4 本章小结
• 第五章 总结与展望
• 5.1 总结
• 5.2 展望
• 致谢
• 参考文献
• 在学期间的研究成果及发表的学术论文