毕业论文

打赏
当前位置: 毕业论文 > 计算机论文 >

基于非局部图割的彩色图像分割技术

时间:2018-08-28 11:15来源:毕业论文
基于非局部图割的彩色图像分割算法。本算法的重点在于非局部信息的引入,算法的非局部信息通过计算图像片间的相似性得到,对比用像素相似性表示的方法

摘要随着科技的迅猛发展,图像分割已经成为了图像处理和图像分析中必不可少的步骤。本文中我们介绍了一种基于非局部图割的彩色图像分割算法。本算法的重点在于非局部信息的引入,算法的非局部信息通过计算图像片间的相似性得到,对比用像素相似性表示的方法,本文的方法更加鲁棒。算法为每一个像素点设置了一个搜索窗口,在窗口内进行相似性搜索提高了运行效率。算法将图像非局部信息引入到图割框架中,在传统能量函数的边界项将图像的局部信息与非局部信息合并,组成结合局部非局部信息的新的能量项。算法实现后,我们通过一些对比实验验证了该算法的有效性和可行性。27522
关键词  图像分割  交互式图像分割  图割  非局部信息  最大流/最小割算法
毕业论文设计说明书外文摘要
Title   A Color Image Segmentation Algorithm Combined with   Non-local Information and Graph Cuts                                      
Abstract
With the rapid development of science and technology,Image segmentation has became vital step of image procession and image analysis. This article presents a color image segmentation algorithm by introducing the non- local information into graph cut framework. The focus of our algorithm is the introduction of non-local inf- ormation. The image patches are utilized to calculate the  similarity between pixels when considering the non-local information. Compared with traditional me- asure, this technique is more robust. Besides, we set a fixed-size search window for each pixel,and hence each pixel only needs to consider the relationships with the pixels in the search window. By introducing the non-local information into the graph cut framework, a new energy term combining the local and non-local inf- ormation is constructed by merging the local and non-local information in the boundary term of the conventional energy function. After achieve of algorithm, the analysis of comparative experiments demonstrate the effectiveness and feasi- bility of the proposed algorithm.
Keywords  image segmentation   interactive segmentation   graph cuts  non-local information   min cut/max flow algorithm
目   次
1  绪论    1
1.1  图像分割的现状和分类    1
1.1.1  图像分割的现状    1
1.1.2  图像分割的分类    2
1.2  交互式图像分割    3
1.3  本文的主要工作和内容安排    4
2  彩色图像的颜色空间和图像非局部信息介绍    5
2.1  彩色图像的颜色空间    5
2.2  非局部信息    6
3  基于非局部和图割的分割算法    8
3.1  图割模型    8
3.2  现有非局部图割算法    9
3.3  本文非局部图割算法    10
3.3.1  合并局部非局部信息的权重构造    10
3.3.2  基于合并局部非局部信息权重的图割方法    11
4  实验    13
4.1  与经典算法的比较    13
4.2  参数设置实验    14
结  论    17
致  谢    18
参考文献19
1  绪论
    对于自然生物来说,获取外界信息主要通过听觉、嗅觉、视觉、觉和触觉,其中通过视觉获取的部分占到了绝大多数。生物视觉系统能够高效自然的提取出画面中的关键区域,这项功能正是机器视觉系统一直追求的目标,实现它看似简单,实则困难异常。为了当今科学的进步与技术的发展,学者们一直致力于研究出能够和生物视觉系统性能相媲美的机器视觉系统,而图像分割就是是研究中必不可少的一部分。图像分割的速度和精度在一定程度上决定了计算机视觉系统的发展,不仅如此,图像分割技术更是要进行图像分析和图像理解[1]的基础所在。目前能得到自然、精确结果的分割技术是各领域所需要的。正是在此背景和需求下,本课题将开展有效图像分割技术的研究。本章的内容先是对图像分割的现状及分类有个大致的介绍,然后介绍了交互式图像分割和其中的图割算法,说明了此次研究的基础理论意义及今后的发展前景,同时也列举出了国内外的研究成果,并给出了本文算法较其他算法的优势之处。 基于非局部图割的彩色图像分割技术:http://www.youerw.com/jisuanji/lunwen_22027.html
------分隔线----------------------------
推荐内容