資源描述：
《基于超像素的點(diǎn)互信息圖像邊界檢測(cè)與分割算法研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。
1、躬‘燃１據(jù)＂學(xué)麵ｉ義．．譽(yù)瞧１誦寫(xiě)畐畫(huà)讓輸於竄：愚ｒ誦開(kāi)儀，；；味裝＇．，ｒｆ纖娛心；腦滿．．對(duì)；－＞為儀？靑１裳彎游、＇婦，麵滬、．－蠢蠢；謹(jǐn)＾議ｕ：ａ：議＾弊獲霞＊技本Ｔ嗦良乂＾‘隱．嗤尉剎壬Ｉ討位Ｕ料｝獻(xiàn)參－Ｐ呼－，講．嚴(yán)＾＇＂‘ｊ－．．，ｒ；ＳＡ丫崔；篡１勝樣１ｆ振麵５：響端耀請(qǐng)的＾息Ｓ像邊ｇ檢難Ｖ＂茲ｆ與的贏算規(guī)究３，：動(dòng)雜－．知Ｊ參．．－藝■３＾通麵＂貧苗講＇扛麵這．ｅ麵苗Ｖ．．Ｖ．聲韻．尚馨相．＇輸．１麟舞．：ｆ呼卻爭(zhēng)：哪．售．Ｖ興１私＾早Ｓ專業(yè)心船削技獻(xiàn)囊
2、１節(jié)疆方向瞧柄機(jī)綴欄覺(jué)誦義鳥(niǎo)＾；｜議ｒ究生誦；｜．巧繼參屬教師立￡教授受＾巧卻．．ｎ．載時(shí)間＾＾目立囑／．．底雪Ｖ’義蒙醜‘參＾輩寒｜畿為證？舍＇｜，婦甲而．邊：，；一。１－；敲；：：．議鷄議遵臟聊靖響．＾較ｌ，終磬謬．擇＾１議該窩．護(hù)？售覆．辭＾繼暮．巧迦．＾Ｖ雲(yún)ｉ禱誦’篇雞．＾Classificationcode:TP391.41Universitycode:10712UDC:004.93Postgraduatenumber
3、:2013051291Confidentialitylevel:OpenThesisforMaster’sDegreeNorthwestA＆FUniversityin2016RESEARCHONSUPERPIXELBASEDBOUNDARYDETECTIONANDSEGMENTATIONALGORITHMUSINGPOINTWISEMUTUALINFORMATIONMajor:ComputerApplicationTechnologyResearchField:ImageAnalysis&MachineVi
4、sionNameofPostgraduate:LiuShengnanAdviser:Prof.NingJifengDateofSubmission:May,2016YanglingShaanxiChina基于超像素的點(diǎn)互信息圖像邊界檢測(cè)與分割算法研究摘要邊界檢測(cè)和圖像分割是圖像處理中的重要研究?jī)?nèi)容，是圖像分析和識(shí)別的基礎(chǔ)，已在軍事、醫(yī)療、農(nóng)業(yè)、工業(yè)以及互聯(lián)網(wǎng)領(lǐng)域有著廣泛地應(yīng)用。點(diǎn)互信息利用概率論和數(shù)理統(tǒng)計(jì)的思想來(lái)度量圖像中像素特征間的相關(guān)性，為圖像邊界檢測(cè)和分割提供了一種新的特征表示方法，受到了廣泛關(guān)注。本
5、文基于點(diǎn)互信息，利用超像素分割獲得的中層結(jié)構(gòu)為點(diǎn)互信息提供魯棒的特征提取，并將其應(yīng)用在基于點(diǎn)互信息的圖像邊界檢測(cè)和分割算法中。主要研究成果如下：（1）基于超像素的點(diǎn)互信息特征提取。本文將像素點(diǎn)間的互信息值抽象為像素點(diǎn)本身的全局特征，并結(jié)合超像素分割的理念，提出了一種基于特征間關(guān)系，且包含超像素提供的圖像中層結(jié)構(gòu)信息的特征表示方法，文中將基于超像素的點(diǎn)互信息稱為超點(diǎn)間互信息（Super-pixelPoint-wiseMutualInformation,SPMI）。超像素分割獲得的結(jié)構(gòu)信息在特征提取過(guò)程中將作為
6、采樣的約束條件，指導(dǎo)采樣過(guò)程，通過(guò)對(duì)采樣點(diǎn)的位置進(jìn)行限制，使得采樣更有目的性和針對(duì)性，使得減少采樣點(diǎn)總數(shù)時(shí)仍可以盡可能多地獲得圖像特征。（2）基于超像素的點(diǎn)互信息邊界檢測(cè)算法。本文利用像素點(diǎn)基于超像素的點(diǎn)互信息特征解決了原始的點(diǎn)互信息邊界檢測(cè)算法中采樣點(diǎn)隨機(jī)性高，存在無(wú)意義樣本的缺陷。該算法在減少過(guò)多冗余點(diǎn)的同時(shí)，增加有效采樣點(diǎn)的比例，從而提升了算法的精確度。實(shí)驗(yàn)結(jié)果表明，在同樣的采樣條件下，提出的算法檢測(cè)結(jié)果始終優(yōu)于原始的邊界檢測(cè)算法，且采樣點(diǎn)數(shù)目越少，提升越大。其中當(dāng)采樣點(diǎn)數(shù)僅為3500時(shí)，可達(dá)到原算法
7、采樣點(diǎn)數(shù)為6000時(shí)的檢測(cè)精度。（3）基于超像素的點(diǎn)互信息圖像分割算法。該算法的特點(diǎn)是結(jié)合基于超像素點(diǎn)互信息的全局特征和像素幾何特征構(gòu)建了全新的相似度模型。通過(guò)設(shè)定聚類判定依據(jù)，利用譜聚類分割算法的思想提出了基于新的相似度模型的譜聚類分割算法。首先，計(jì)算像素在基于超像素的點(diǎn)互信息特征域和幾何特征域中的值，并進(jìn)行融合構(gòu)建相似度模型。其次，計(jì)算相似度矩陣的特征系統(tǒng)，獲得每一個(gè)特征向量的方向和值。最后，利用二分解法（2-wayNcut）迭代調(diào)用二范式歸一化聚類過(guò)程獲得分割結(jié)果。實(shí)驗(yàn)結(jié)果表明，提出的算法準(zhǔn)確度比原始
8、的Ncut算法提升了23%，與同樣基于Ncut分割判定依據(jù)的有監(jiān)督的LFPA算法相比精度提升了15%。關(guān)鍵詞：點(diǎn)互信息；特征提取；圖像分割；超像素；邊緣檢測(cè)RESEARCHONSUPERPIXELBASEDBOUNDARYDETECTIONANDSEGMENTATIONALGORITHMUSINGPOINTWISEMUTUALINFORMATIONABSTRACTBoundarydetectionandimage
