【摘 要】
：
基于多分辨率图像锥采用由粗至细策略分割图像是一种很好的图像分割方法.本文引入了多项式样条锥来分割图像,并提出了新准则检测种子和新的自上而下树生长算法.新准则能够准确、不丢失地在低分辨率图像中检测出种子;新算法在树生长过程中增加了一个后处理步骤和一个标志锥,取消了对区域形状的限制.新方法不需要图像的先验知识,并抑制了噪声影响,提高了图像分割质量.分割仿真图像和自然景物复杂的图像的实验结果都是令人满意
论文部分内容阅读
基于多分辨率图像锥采用由粗至细策略分割图像是一种很好的图像分割方法.本文引入了多项式样条锥来分割图像,并提出了新准则检测种子和新的自上而下树生长算法.新准则能够准确、不丢失地在低分辨率图像中检测出种子;新算法在树生长过程中增加了一个后处理步骤和一个标志锥,取消了对区域形状的限制.新方法不需要图像的先验知识,并抑制了噪声影响,提高了图像分割质量.分割仿真图像和自然景物复杂的图像的实验结果都是令人满意的.
其他文献
本文对地下核爆炸和天然地震所产生的地震波信号进行了处理和分析,发现时域地震波信号具有统计自仿射分形特征,但用对数功率谱求得的分维数D不适合作模式识别的特征参数.对时域地震波信号进行小波分解后,各分解尺度的信号"能量"与尺度有关,同时发现,精细结构信号能量均出现—峰值,据此求得的两类参数可以作为核爆地震模式识别的特征量,且识别结果较好.
如何从实际图像中分离出被研究的对象,是图像处理、模式识别和计算机视觉中要解决的重要问题之一.本文基于数学形态学理论中的交-离变换的思想提出了适配率函数的概念,由此给出了从图像中抽取被研究物体的新方法,并应用于实景图像中交通标志的检测.
本文介绍一种对图像中已知形状的目标进行亚像素量级边缘检测的新方法.与其它基于边缘法向信息的亚像素边缘检测方法不同,本方法利用了边缘切向的信息.文中介绍了方法的原理,并研究了目标尺寸、目标采样位置和目标朝向对该方法性能的影响.这一新方法已实际应用并与其它方法用真实图进行了比较,结果表明本方法在实用中能提供更为精确的亚像素边缘.
本文根据信息熵概念,提出了反映类别划分不确定性的聚类有效性评价指标,该指标为正确地确定实验数据的聚类数提供了依据.通过例子说明了该指标的有效性.
本文提出了一种新的基于间隙边缘链码的二值图像矩的快速算法.文中定义了一种新的边缘链码—间隙边缘链码,基于此链码提出了二值图像的矩快速算法,同时引入了查表技术以加速矩的计算.此算法实时性好、计算结果精确、简单易懂,便于应用在实时性要求较高的系统中。
本文提出了一个基于笔画轮廓的文字细化算法,该算法可以很好地消除常用迭代细化算法带来的交叉点畸变等失真现象.文中给出了算法的描述及与其它几种常用算法的比较结果.
阈值分割是图像分割技术的一种重要方法,在图像处理与识别中广为应用.本文提出了一种二维熵图像阈值分割的快速递推算法.实验结果表明,该二维最大熵递推算法可以有效地提高熵函数的计算速度.
针对目前矢量量化技术存在的主要问题之一:图像边缘失真严重,本文讨论了一种应用神经网络的图像边缘保持矢量量化方法.它以Kohonen的自组织特征映射算法(SOFM)为基础,根据人的视觉系统对图像边缘的敏感性,先对整幅图像的边缘提取,再根据不同训练矢量(图像子块)的边缘特性,自适应地调整SOFM算法中的学习速率因子.本文中,图像的边缘提取及矢量量化,都是由神经网络实现的.实验结果表明,和单纯用神经网络
以错分概率、相对均匀测度及相对形状测度为评价准则,利用合成图像测试分割算法的性能,客观、定量地分析比较了目前常用的几种整体阈值选取方法,实验结果表明:分割方法的通用性与目标大小、对比度、噪声等图像因素有关.最后,本文给出了各种方法的实际应用范围.
本文着重研究三维不规则数据场的体绘制,提出了一种快速体绘制算法.本算法结合光线投射法及单元投影法的优点,解决了传统体绘制技术在处理不规则数据场时所存在的速度及处理规模上的限制,并且可以普遍适用于各种不同类型的不规则数据网络单元.