基于變分方法圖像分割和圖像恢復(fù)的研究

《基于變分方法圖像分割和圖像恢復(fù)的研究》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。

1、學(xué)位論文版權(quán)使用授權(quán)書JIIIIIIIIIIIIIIIIIIY2603392本學(xué)位論文作者完全了解北京交通大學(xué)有關(guān)保留、使用學(xué)位論文的規(guī)定。特授權(quán)北京交通大學(xué)可以將學(xué)位論文的全部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫進行檢索，提供閱覽服務(wù)，并采用影印、縮印或掃描等復(fù)制手段保存、匯編以供查閱和借閱。同意學(xué)校向國家有關(guān)部門或機構(gòu)送交論文的復(fù)印件和磁盤。(保密的學(xué)位論文在解密后適用本授權(quán)說明)學(xué)位論文作者簽名：驪杉簽字日期：加易年白／聲新躲輯2導(dǎo)師簽名：＼J～f?啪／，>年6月夕日中圖分類號：TP391UDC：學(xué)校代碼：100

2、04密級：公開北京交通大學(xué)博士學(xué)位論文基于變分方法的圖像分割和圖像恢復(fù)研究StudyonImageSegmentationandRestorationBasedonVariationalMethod作者姓名：馬麗艷導(dǎo)師姓名：于劍學(xué)位類別：工學(xué)學(xué)號：08112068職稱：教授學(xué)位級別：博士學(xué)科專業(yè)：計算機科學(xué)與技術(shù)研究方向：圖像分析北京交通大學(xué)2013年6月致謝本文是我在四年多的博士期間的工作總結(jié)，在論文完成之際，謹(jǐn)向所有支持和幫助過我的老師、同學(xué)、朋友和家人致以誠摯的感謝!首先感謝我的導(dǎo)師于劍教授。感謝于老

3、師在學(xué)習(xí)上和生活上給與的幫助。為了能夠讓我有機會接觸到學(xué)術(shù)前沿，于老師為我提供了多次出去參加學(xué)術(shù)會議的機會，建立了與同行間的學(xué)術(shù)交流，并拓寬了我的視野，為我的學(xué)術(shù)研究奠定了基礎(chǔ)。于老師嚴(yán)謹(jǐn)求實的治學(xué)態(tài)度，也為我今后的工作和學(xué)習(xí)指明了方向。感謝北京大學(xué)的林宙辰教授。林老師淵博的知識、謙虛的品德使我受益匪淺。林老師在我的研究工作開展的過程中，鼓勵我思考問題、給我講解優(yōu)化算法、幫助我完善論文，使我更加積極的投入到學(xué)術(shù)研究當(dāng)中。感謝香港浸會大學(xué)的曾鐵勇老師。在香港學(xué)習(xí)的一年中，曾老師無論是從生活上還是學(xué)習(xí)上都給了我

4、很大的幫助。由于剛到香港開展的研究領(lǐng)域我并不熟悉，曾老師非常耐心的指導(dǎo)我學(xué)習(xí)，并幫助我檢查程序中的錯誤，在一點一滴的學(xué)習(xí)中讓我積累了大量的知識。感謝實驗室的景麗萍副教授和賈彩燕副教授在生活和學(xué)習(xí)上的幫助。我還要感謝實驗室的黃厚寬教授、田盛豐教授、王志海教授、周雪忠副教授、瞿有利高工、董興業(yè)老師、尹傳環(huán)老師、趙相坤博士、張磊博士和李穎紅研究助理的大力支持。。感謝和我一起成長的實驗室的同學(xué)們，包括已經(jīng)畢業(yè)的肖宇博士、朱巖博士、惲佳麗博士、萬懷宇博士、馮奇博士、張小平博士、汪廷華博士、陳萍博士、周麗平博士，以及在

5、讀的龔書、姜雅文、納躍躍、張輝、謝博鏨、楊柳、柴變芳、梁曄、白晨燕、王邦軍、張俊三、李亞芳、李嘉、超木日力格、朱杰、劉博等同學(xué)。他們讓我的博士生活充滿了快樂。最后，我要特別感謝我的家人。他們的關(guān)心和支持是我前進的動力。感謝他們?yōu)槲宜龅囊磺?摘要人們對圖像是很熟悉的，圖像可由光學(xué)儀器觀測客觀世界得到，或者是人類視覺系統(tǒng)得到的客觀景物在人心目中的影像。人們常說：一圖值千字，可見圖像中包含了它所要表達地事物的大量信息。隨著計算機技術(shù)的發(fā)展，數(shù)字圖像技術(shù)在科研、工業(yè)、醫(yī)療、教育、娛樂和通信等方面有著廣泛的應(yīng)用。因

6、此，對圖像技術(shù)的研究具有重要的意義。本文主要是研究基于變分方法的圖像分割和圖像恢復(fù)。圖像分割是將圖像劃分為一些有意義區(qū)域，是后續(xù)的目標(biāo)識別和圖像理解的基礎(chǔ)。而在圖像的采集過程中，由于成像儀器的精度有限和采集過程并不完美，這使得采集到的是原圖的退化圖像，而圖像恢復(fù)是從退化的圖像中恢復(fù)出原圖。我們可以看到，圖像分割和圖像恢復(fù)都可以看作是圖像估計的過程，即對待處理的圖像估計出分割的特征圖或者估計出原圖。本文在分析了現(xiàn)有算法的優(yōu)缺點之后，試圖得到更好的圖像分割和圖像恢復(fù)的算法。本文取得的主要研究成果如下：(1)基于

7、變分方法的圖像分割一般是指活動輪廓模型。通過研究現(xiàn)有的分割灰度不一致圖像的算法，我們發(fā)現(xiàn)，現(xiàn)有絕大部分算法均屬于非凸模型，因此，不易得到模型的全局解，并且算法易陷入局部極小點。雖然求解基于局部灰度均值的全局活動輪廓模型可以得到快速算法，但是局部均值并不能很好地提取圖像中的信息，導(dǎo)致算法在很多時候不能正確地分割圖像。因此，我們假設(shè)局部窗口中的像素點的灰度值服從高斯分布，從而基于二階統(tǒng)計信息來建立一個凸模型，并利用優(yōu)化算法進行求解。我們的算法可以找到模型的全局解，且計算效率較高。實驗結(jié)果顯示了我們的算法的優(yōu)越性

8、。并且由于二階統(tǒng)計信息可以提取部分紋理信息，此算法可以用來分割紋理圖像。(2)考慮到二階統(tǒng)計信息不能充分地提取圖像中的紋理信息，我們提出了一個基于局部圖像特征直方圖的全局活動輪廓模型。為了更好地描述紋理圖像，我們利用一個半局部區(qū)域描述子來提取圖像紋理特征。此外，對于圖像區(qū)域，像素點的灰度值也是很重要的特征。因此，我們利用這兩個特征作為紋理圖像的特征，利用特征的直方圖來描述圖像區(qū)域。由于cross-bin的直方圖距