基于模糊信息处理的图像分割方法研究

基于模糊信息处理的图像分割方法研究

王保平[1]2004年在《基于模糊技术的图像处理方法研究》文中研究表明图像处理是图像工程的低层次操作,其处理效果对图像的高层次操作,即图像分析和计算机视觉的影响很大。但由于图像处理问题本身的复杂性和学科交叉性,几十年来该问题一直是研究的热点。 图像本质上具有模糊性,这是由于(1)三维目标投影在二维图像平面上带来的信息丢失。(2)定义边界、区域和纹理等图像特征时存在模糊性。(3)对图像底层处理结果的解释带有模糊性。因此,模糊信息处理技术在图像处理中的使用有其内在的合理性和必然性。 基于上述原因,本文提出了许多基于模糊信息技术的图像处理新方法和新思想,并取得了良好的效果。本文共分为七章,主要内容如下: 第一章为绪论,阐述了图像处理是计算机视觉和机器智能研究中的基本问题,论述了模糊信息技术在解决图像处理问题时有其必然性和合理性。最后列出了本文取得的主要研究成果。 第二章简要介绍了和本论文相关的模糊数学知识,作为本论文的数学预备。 第三章提出了一些图像空域增强算法,即几种局部运算方法。该章对图像中不同类型加性脉冲噪声的去噪问题进行了系统地研究和分析,提出了三种基于模糊信息处理的图像平滑去噪滤波器,分别为基于模糊熵的多值图像去噪滤波器、基于直方图的图像椒盐噪声滤波器、基于直方图和区域信息的自适应图像脉冲噪声滤波器。实验表明这些方法滤波效果优于传统的滤波器和其它模糊滤波器。 第四章研究了图像空间域增强的另一类方法,即点运算法。提出了一种新的基于模糊信息处理的自适应图像灰度级修正法。新方法首先通过模糊熵的引入,在图像灰度级修正算法中利用了图像的邻域统计信息、模糊信息和人眼视觉特性;其次利用灰度值的统计特性达到了图像自适应增强的目的;接着补充了一个有用的非线性变换,增加了这类算法的普适性:最后解决了原算法在实现图像增强时出现的灰度值过调问题。实验结果表明新算法不仅能够有效地增强整个图像的对比度,提高图像的视觉效果,而且能够在增强图像边缘的同时有效地抑制噪声。 第五章提出了一种基于模糊信息处理的图像变换域增强算法。该章给出了一种性能更好的模糊增强变换算子,并将该算子成功地引入到多层次图像模糊增强算法中,取得了较好的效果;另外,新算法针对以往算法需要人工介入设置阈值参数方可进行图像增强的缺点,通过模糊熵的引入,可以自动地选取最佳的阈值参数而不需人为的介入,因而成功的解决了这一难题;最后,将新的多层次模糊增强算法应用于图像边缘检测中,取得了优于现有模糊增强方法的效果。 第六章通过模糊嫡的引入,构造出了几个边缘检测性能更好的信息测度,利用输入图像提取这些信息测度,组成一个反映图像边缘特征的数据集,接着用加权FCM聚类算法将该数据集分为两类,即边缘点数据和非边缘点数据,从而达到图像边缘检测的目的。该方法无需确定阐值;对弱边界检测较敏感。 第七章对受噪声干扰的图像、目标和背景相互交迭的图像、边界不明确的图像等降质图像的分割问题进行了较深入的研究,并考虑到这类图像中所具有的不确定性往往本质上是模糊性的特点,合理地将模糊信息处理技术引入到降质图像的分割中去,取得了较好的效果。关键词:图像处理模糊信息处理图像增强图像分割边缘检测

裴继红[2]1998年在《基于模糊信息处理的图像分割方法研究》文中研究说明图像分割是计算机视觉领域一个重要而基本的问题,尤其是在图像理解、成像目标的识别与跟踪、机器人视觉中是一项关键技术。分割结果的好坏,对视觉系统的性能影响很大。图像分割同时又是一个信息不足的不适定问题。为了使问题适定化,就需要增加约束条件(先验知识)。由于视觉任务的多样性和复杂性,以及从图像中所获得的信息不同,使需要的约束条件也各不相同。由于人们事先很难精确了解在成像过程中信息损失的情况,这就给先验知识的精确数学刻画带来很大的难度。另外,由于成像中各种因素的影响,使得要分割的目标与背景之间一般都带有一定的相似性和不确定性。而模糊集合论及由此而发展起来的模糊信息处理技术,对处理带有模糊不确定性的事件及对不精确知识的描述与处理方面具有得天独厚的优势。图像分割过程就是利用图像信息及先验的约束条件,将图像像素进行智能分类的过程。 基于以上原因,本文研究了以模糊信息处理技术为基础,利用不同的图像信息进行图像分割的原理,提出了一系列新的思想和方法,取得了良好的效果。本文共分七章,主要内容如下: 第一章,回顾了计算机视觉的发展历史及现状,阐述了图像分割几十年来一直是困扰计算机视觉领域发展的一个热点研究问题,接着分析了图像分割本身所存在的问题及解决方法。一方面,图像本身存在模糊不确定性,另一方面,使图像分割这一问题适定化的约束条件(先验知识)的表述具有模糊不确定性,这就使得在图像分割中使用模糊信息处理技术成为必然。最后介绍了本文取得的主要研究成果。 第二章,论述了图像分割的基本原理,阐述了模糊分类技术与图像分割的关系。由于图像分割是一个智能分类过程,因此,本章重点研究了适用于图像分割的模糊分类技术,提出了基于人的分类特点的模糊软聚类方法:截集FCM聚类算法;提出了势函数部分加权的FCM聚类方法;提出了非迭代的势函数聚类方法。由于聚类问题是一个非线性优化问题,对初始值很敏感,因此本章研究了聚类的初始化问题,提出了一种函数初始化方法。在分类过程中,自动确定数据集合的分类类数是智能处理的一个关键,本章研究并提出了一种基于模糊贴近度的聚类有效性方法,用于自动确定分类数。 第三章,研究了基于图像灰度统计信息的多阈值图像分割方法,提出了二种有效的多阈值分割方法:势函数聚类自适应多阈值分割方法;直方图模糊约束聚类自适应多阈值分割方法。同时对以上方法在理论上进行了深入分析,并且给出了相应的实验结果。理论和实验都证明以上方法具有良好的性能。 第四章,从增强直方图的峰谷特性入手,提出了两种图像分割方法,一是基于平 I滑性测度的模糊自适应直方图增强图像分割,该方法对具有强噪声的图像具有良好的分割效果。二是基于色调直方图模糊增强的彩色图像分割,主要从人对颜色认识的常识人手,用模糊信息技术进行色调直方图的增强。 第五章,研究了基于空间邻域信息和灰度信息的图像模糊分割方法。讨论了灰度图像信息墒,根据不同的图像特点提出了三种图像分割方法:利用启发式知识的模糊区域生长图像分割方法;采用塔型模糊聚类区域过分割,然后进行区域模糊合并的图像分割方法;纹理图像的模糊软聚类分割方法。 第六章,研究了基于图像边缘信息的图像分割方法,提出了一种图像邻域有序性模糊度量,以此来调节多尺度边缘检测中滤波尺度的大小。并由此提出了一种基于邻域有序性模糊度量的多尺度边缘检测方法。实验证明本章提出的方法具有良好的检测效果和抗噪性能。 第七章,研究了应用模糊信息处理技术处理序列图像目标中带有模糊不确定性信息的方法,并提出了基于模糊加权时域滤波的运动目标分割算法和模糊自适应局部阈值序列图像分割方法。

丁翠[3]2017年在《基于模糊信息处理的图像分割方法研究》文中研究表明图像分割指的是将图像分解为具有不同特点的区域,并且将感兴趣的目标技术及过程进行提取。图像分割是图像处理到分析的重要内容,在图像工程中具有重要的作用,并且被广泛应用于计算机视觉、医学图像处理及模式识别等方面。在图像分割方法中,基于模糊信息处理的分割技术在图像分割领域中被广泛使用。因为图像在成像过程中会受到其他因素的影响,导致分割目标及背景存在不确定及相似性,模糊信息处理技术对此种现象的处理具有一定的优势。所以,本文就基于模糊处理技术,对图像分割的方法进行研究。

苏悦[4]2016年在《基于模糊信息处理的图像分割方法研究》文中研究表明图像分割在计算机视觉领域有极其重要的位置,尤其在图像理解、成像目标的识别与跟踪中更是关键技术所在,因为分割技术的好坏直接影响视觉系统的良莠,所以它的影响是巨大的。

施成湘[5]2006年在《基于小波变换和模糊理论的图像分割方法研究》文中进行了进一步梳理图像分割是计算机视觉领域一个重要而基本的问题,尤其是图像理解、成像目标的识别与跟踪、机器人视觉中的一项关键技术。图像分割是指把图像分解成各具特性的区域并提取出感兴趣目标的技术和过程,它是从图像处理到图像分析的一个关键步骤,在图像工程中占有非常重要的位置,并且己在诸如计算机视觉、模式识别和医学图像处理等实际中得到了广泛的应用。所以对图像分割的研究一直是图像技术研究中热点和焦点之一,从而导致图像分割的算法层出不穷。然而现有的图像分割算法对目标的检测和识别,多数未达到令人满意的结果,因此,根据实际课题的需要,本文展开了对图像分割方法的研究。结合本人参加的重庆市自然科学基金资助项目——图像处理技术及应用基础研究(CSTC2005BA2002),论文主要涉及了以下内容:利用小波变换具有低熵性、多分辨性质、去相关性、小波基选择的多样性和良好的时频局部化等特性,研究了小波多尺度边缘检测算法,得到了一些有用的结论,如在分辨率高(小尺度)时,图像的边缘细节较为丰富,边缘定位精度较高,但易受到噪声干扰;分辨率低(大尺度)时,图像的边缘稳定,抗噪性好,但定位精度差;针对图像分割时,模糊的部分应该是在边缘部分,而非边缘部分相对是明确的特征,提出了多尺度下小波边缘检测的改进算法,利用模糊隶属度函数的有效分类对灰度图像进行多尺度下的边缘检测,并在此基础上利用竞争法则提取边缘;针对图像边界的模糊性,采用扩展领域的思想,对图像边缘进行进一步地描述,再结合算法进行边缘的精确提取;针对彩色图像分割可能出现的一些零散的、不连通的、没有什么实际意义的区域以及过分割的可能,提出了基于模糊散度和模糊相异性的彩色图像分割方法,在一定程度提高了算法的分割质量;最后,通过对不同领域图片的实验分析,对分割算法进行总的分析评价,验证算法的可行性、可靠性,证明算法能达到较理想的效果。

安良[6]2003年在《模糊理论及其在图像分割中的应用研究》文中提出自L.A.Zadeh于1965年提出模糊理论以来,模糊理论已经成为一种重要的智能信息处理方法。模糊聚类算法是模糊理论中的一个重要的分支,是现今模糊理论中应用最广泛的领域之一,并取得了丰富的成果。由于图像所具有的模糊性,近年来一些学者将模糊理论引入到图像处理中,应用模糊理论进行图像分割,图像增强以及边缘检测。本文在研究模糊理论的基础上,对模糊聚类算法在图像分割中的应用进行了一定的探讨。 本文主要工作如下: 1.对模糊理论的基本内容进行了系统的总结和介绍,并详细介绍了模糊聚类算法,分析了模糊聚类算法收敛速度慢且对初始化很敏感的原因,引入了遗传算法,提出了一种改进的模糊聚类算法。 2.在详细介绍模糊聚类图像分割方法的基础上,对应用模糊聚类算法进行图像分割时效果不理想的原因进行了分析,并引入了图像的空间相关信息,构造二维直方图对其加以改进。 3.针对二维直方图在模糊化过程中仍存在大量信息损失的问题,引入了D—S证据理论来融合图像像素灰度信息和空间相关信息,提出了一种基于D—S证据理论的模糊聚类图像分割方法,取得了不错的分割效果。

吴茜[7]2013年在《基于模糊技术的图像处理方法分析》文中进行了进一步梳理本文主要从模糊技术信息处理的数学基础入手进行分析,进而探讨了基于模糊信息处理的空域增强法中的图像平滑滤波器、图像灰度级修正法,以及分析了基于模糊信息处理的图像变换域增强方法,希望能够对我国模糊技术图像处理方法的研究有所帮助。

赵立兴[8]2004年在《基于模糊算法的数字图像处理技术研究》文中提出图像分割是数字图像处理近些年来大家研究的热点问题,尤其是在图像理解、成像目标的识别与跟踪、机器人视觉中是一项关键技术。分割结果的好坏,对视觉系统的性能影响较大。图像滤波恢复技术是数字图像预处理的重要环节,对图像滤波的好坏,直接影响滤波后分割的精度。图像成像过程中各种因素的影响,人们事先很难精确了解成像过程中信息丢失的情况,使得图像处理过程中都带有一定的相似性和不确定性。而模糊集合论及由此而发展起来的模糊信息处理技术,对处理带有模糊不确定性的事件及对不精确知识的描述与处理方面都具有得天独厚的优势。基于以上原因,本文研究了以模糊信息处理技术为基础的图像滤波算法和分割算法,提出了一些新的思想和想法。论文主要内容安排如下:本文首先从图像的滤波开始。在充分分析了当前滤波技术的研究成果和现状后,提出了一种新的基于局部统计阈值的混合滤波算法。该算法利用局部阈值把图像像素信号区分为高斯噪声点和脉冲噪声点,然后分别利用不同的方法滤波。既能发挥均值滤波算法对高斯噪声良好的去噪能力,又兼顾了中值滤波算法对冲击噪声的优良滤波性能。为了在滤波的同时更好的保护图像本身的细节,增加了新的噪声点检测规则。算法结构简单,易于实现。模糊散度分割方法是近些年出现的一种新的图像分割算法,其物理概念明晰,算法结构简单。但该算法在处理具有多峰直方图图像时,参数初始化困难。本文结合直方图指数平滑原理和峰点检测原理,提出了一种改进图像分割算法。该方法首先通过直方图指数平滑原理对图像原始灰度直方图进行二次平滑,然后利用峰点自动检测原理检测出图像二次平滑直方图具有的波峰值、波谷值,以及直方图波谷的数目,实现图像的粗分割。最后利用图像粗分割的值初始化模糊散度方法的初始值,利用求散度性能函数极值得到最佳分割阈值,实现细分割。

田春娜[9]2005年在《基于模糊连通度的交互式图像分割算法研究》文中研究指明图像分割是连接低级视觉和高级视觉的桥梁。然而分割因其不适定性,成为阻碍计算机视觉发展的瓶颈问题之一。因此,几十年来图像分割始终是计算机视觉中的一个研究热点。人们希望通过引入人的作用来解决分割的不适定性问题,这样交互式图像分割方法就应运而生了。在分析现有的基于相对模糊连通度的交互式图像分割算法的基础上,本文提出了一种序列图像分割的快速算法。对于单帧图像,新算法在保持分割精度的同时,运行速度提高了3 倍。作为该算法的扩展,一方面将原算法中单目标分割推广到多目标分割,另一方面将单帧图像的分割推广到序列图像的分割,实现了复杂背景下多目标的图像分割和图像序列的批处理分割。为了提高算法的分割速度和准确性,本文还提出了一种预分割方案,即先对图像进行预分割,然后再用快速模糊连通度的交互式图像分割算法进行精细分割。并进行了分割结果的后处理:提取出目标图像的单像素宽度的光滑边缘;为便于人眼分辨图像更精细的结构和区分多目标分割的结果,引入了伪彩色增强技术;并对序列图像的分割结果进行三维重建。此外,为了提高分割算法的抗噪声性能,还提出一种基于冗余小波变换的相对模糊连通图像交互式分割算法。对于单帧图像,与原基于尺度的相对模糊连通交互式图像分割算法相比,新算法在几乎不改变分割效果的前提下,速度提高了十几倍。并且该新算法对不同的噪声模型都具有较好的鲁棒性。文中还对小波变换的不同尺度的影响进行了较为系统地研究。实验结果表明,本文所提出的新算法可实现对非噪声和噪声图像中目标物体的快速而准确的分割。用人造图像和实际的医学图像和图像序列所做的测试实验取得了令人满意的分割效果。这些新算法的总体性能皆优于传统的基于模糊连通度的交互式图像分割算法,具有较高的实用价值。

张超[10]2005年在《智能图像分割方法研究》文中研究指明图像是人类智能活动重要的信息来源之一,是人类相互交流和认识世界的主要媒体。随着信息高速公路、数字地球概念的提出,人们对图像处理技术的需求与日俱增,同时计算机技术的发展给图像处理技术的应用提供了广阔的平台。 图像分割是一种重要的图像处理技术,也是计算机视觉领域低层次视觉中的主要问题,同时它又是一个经典难题。图像分割是由图像处理进到图像分析的关键步骤,在图像工程中占据重要的位置。一方面,它是目标表达的基础,对特征测量有重要的影响;另一方面,图像分割及其基于分割的目标表达、特征提取和参数测量等将原始图像转化为更抽象更紧凑的形式,使得更高层的图像分析和理解成为可能。在各种图像应用中,只要需对图像目标进行提取、测量等都离不开图像分割。但由于图像信息本身的复杂性,在处理过程中可能出现不完整性和不精确性、非结构化问题,以及建模困难等,将智能的方法应用于图像分割,对于提高整个图像处理系统的实时性、自动化、智能化水平都将有很大的促进作用。 本文在研究经典的图像分割方法基础上,将智能的方法运用到图像分割中,主要内容包括:(1)经典图像分割技术;(2)基于混沌遗传算法的图像分割;(3)基于模糊集理论的图像分割。主要研究重点集中在以下几个方面: 1.在研究进化算法的基础上,研究了一种量子进化规划算法,仿真结果表明该算法比采用高斯变异的传统进化规划算法的收敛速度快,并将该算法应用于FIR数字滤波器的优化设计; 2.在分析现有混沌遗传算法的基础上,将混沌遗传算法与图像阈值分割技术融合,采用变尺度混沌遗传算法进行图像分割,仿真结果表明,与遗传算法相比,该算法用于阈值寻优减少了运算时间,提高了收敛率; 3.采用局部模糊熵的方法进行图像过渡区的提取,并基于提取出的过渡区进行图像分割。仿真结果表明,该方法对图像存在椒盐噪声或高斯噪声的情况下,分割性能优于基于梯度算子和局部熵的方法。

参考文献:

[1]. 基于模糊技术的图像处理方法研究[D]. 王保平. 西安电子科技大学. 2004

[2]. 基于模糊信息处理的图像分割方法研究[D]. 裴继红. 西安电子科技大学. 1998

[3]. 基于模糊信息处理的图像分割方法研究[J]. 丁翠. 信息系统工程. 2017

[4]. 基于模糊信息处理的图像分割方法研究[J]. 苏悦. 科学中国人. 2016

[5]. 基于小波变换和模糊理论的图像分割方法研究[D]. 施成湘. 重庆大学. 2006

[6]. 模糊理论及其在图像分割中的应用研究[D]. 安良. 合肥工业大学. 2003

[7]. 基于模糊技术的图像处理方法分析[J]. 吴茜. 电子测试. 2013

[8]. 基于模糊算法的数字图像处理技术研究[D]. 赵立兴. 燕山大学. 2004

[9]. 基于模糊连通度的交互式图像分割算法研究[D]. 田春娜. 西安电子科技大学. 2005

[10]. 智能图像分割方法研究[D]. 张超. 西南交通大学. 2005

标签:;  ;  ;  ;  ;  ;  ;  ;  ;  ;  ;  ;  ;  ;  ;  ;  

基于模糊信息处理的图像分割方法研究
下载Doc文档

猜你喜欢