資源描述：
《基于超像素的點互信息圖像邊界檢測與分割算法研究》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、躬‘燃１據(jù)＂學(xué)麵ｉ義．．譽瞧１誦寫畐畫讓輸於竄：愚ｒ誦開儀，；；味裝＇．，ｒｆ纖娛心；腦滿．．對；－＞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：響端耀請的＾息Ｓ像邊ｇ檢難Ｖ＂茲ｆ與的贏算規(guī)究３，：動雜－．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：哪．售．Ｖ興１私＾早Ｓ專業(yè)心船削技獻(xiàn)囊
2、１節(jié)疆方向瞧柄機綴欄覺誦義鳥＾；｜議ｒ究生誦；｜．巧繼參屬教師立￡教授受＾巧卻．．ｎ．載時間＾＾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基于超像素的點互信息圖像邊界檢測與分割算法研究摘要邊界檢測和圖像分割是圖像處理中的重要研究內(nèi)容，是圖像分析和識別的基礎(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。點互信息利用概率論和數(shù)理統(tǒng)計的思想來度量圖像中像素特征間的相關(guān)性，為圖像邊界檢測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、文基于點互信息，利用超像素分割獲得的中層結(jié)構(gòu)為點互信息提供魯棒的特征提取，并將其應(yīng)用在基于點互信息的圖像邊界檢測和分割算法中。主要研究成果如下：（1）基于超像素的點互信息特征提取。本文將像素點間的互信息值抽象為像素點本身的全局特征，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互信息稱為超點間互信息（Super-pixelPoint-wiseMutualInformation,SPMI）。超像素分割獲得的結(jié)構(gòu)信息在特征提取過程中將作為
6、采樣的約束條件，指導(dǎo)采樣過程，通過對采樣點的位置進(jìn)行限制，使得采樣更有目的性和針對性，使得減少采樣點總數(shù)時仍可以盡可能多地獲得圖像特征。（2）基于超像素的點互信息邊界檢測算法。本文利用像素點基于超像素的點互信息特征解決了原始的點互信息邊界檢測算法中采樣點隨機性高，存在無意義樣本的缺陷。該算法在減少過多冗余點的同時，增加有效采樣點的比例，從而提升了算法的精確度。實驗結(jié)果表明，在同樣的采樣條件下，提出的算法檢測結(jié)果始終優(yōu)于原始的邊界檢測算法，且采樣點數(shù)目越少，提升越大。其中當(dāng)采樣點數(shù)僅為3500時，可達(dá)到原算法
7、采樣點數(shù)為6000時的檢測精度。（3）基于超像素的點互信息圖像分割算法。該算法的特點是結(jié)合基于超像素點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，計算像素在基于超像素的點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，計算相似度矩陣的特征系統(tǒng)，獲得每一個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程獲得分割結(jié)果。實驗結(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：點互信息；特征提?。粓D像分割；超像素；邊緣檢測RESEARCHONSUPERPIXELBASEDBOUNDARYDETECTIONANDSEGMENTATIONALGORITHMUSINGPOINTWISEMUTUALINFORMATIONABSTRACTBoundarydetectionandimage
