基于高维视觉特征模型的目标图像检测与图像分割技术研究

论文摘要

本文研究了基于高维视觉特征模型的目标图像检测与图像分割技术的理论模型及多种关键技术，并将其应用到实际应用系统之中，完成了相应工程项目的研究任务。 本文首先根据人类视觉系统识别特性建立了目标图像高维视觉识别特征模型，并在此基础上提出了相应的目标检测定理与推论，将目标图像检测与分割问题转化为分阶段的高维特征识别问题。根据目标检测理论模型，建立了目标图像检测与图像分割系统，通过对组成系统的关键模块功能方程的讨论，提出了目标图像检测与图像分割的几种不同的技术实现方案，并重点讨论了以下几项技术： 基于邻域变化矢量场的彩色图像边缘检测技术：彩色图像边缘检测对于纹理特征的提取起着至关重要的作用。与其它基于梯度的边缘检测技术不同，本文提出一种基于邻域变化矢量场的彩色边缘检测算法，通过衡量彩色变化的方向性进行边缘检测。本文首先讨论了图像邻域变化矢量场模型，分析了不同的邻域变化场计算方法。并在此基础上，拟定了用彩色图像邻域变化方向锐度描述视觉边缘的技术，采用模糊聚类的方法自适应地得到边缘检测结果。 目标图像高维特征复合模糊测度与快速遗传搜索技术：该算法指出，在满足目标空间存在域形状约束条件下，使彩色—纹理特征复合相似性测度函数取得最大值的区域即为目标区域。在高维特征复合相似性测度函数的设计上，先对彩色与纹理进行模糊测度，并将两种测度进行线性融合得到高维特征复合模糊测度函数。在此基础上，利用空域约束指导下的遗传算法进行全局搜索，从而检测出具有最大模糊相似度的目标图像域。在基本遗传算法的基础上，改进了种群的初始化方法，使得算法的搜索效率得到提高。 复杂光照下的目标图像多级级联检测技术：该算法对高维视觉特征模型所包括的颜色、纹理、形状等特征进行逐级二元检测，由粗到精的求出目标图像区域。首先进行目标颜色检测，考虑到复杂光照下，颜色特征描述有所不同，本文提出一种基于H-SV′光照准平稳彩色空间的目标颜色统计检测技术，并利用形态学提取出复合目标颜色特征的可能区域。然后，在彩色纹理边缘检测的基础上，采用形态滤波的方法提取出彩色变化频度较大的目标彩色纹理区域，最后通过对目标彩色纹理区域的形状特征检测提取出真正的目标区域。

论文目录

• 摘 要
• ABSTRACT
• 第一章 绪论
• 1.1 研究背景及意义
• 1.2 相关技术动态
• 1.2.1 基于时域的目标检测与图像分割技术
• 1.2.2 基于空域的目标检测与图像分割技术
• 1.2.3 基于时空域联合的目标检测与分割技术
• 1.3 主要工作与研究成果
• 1.4 论文安排
• 第二章 目标图像高维视觉特征模型及其检测与分割理论
• 2.1 人类视觉系统功能结构及视觉认知特性
• 2.1.1 人类视觉系统功能结构
• 2.1.2 人类视觉系统图像视觉特征
• 2.1.3 视觉认知特性
• 2.2 目标图像高维视觉特征模型
• 2.3 目标图像检测与图像分割系统设计
• 2.3.1 目标图像检测与图像分割系统结构
• 2.3.2 目标图像检测与图像分割系统关键功能模块
• 2.4 几种典型系统方案设计
• 2.4.1 采用复合模糊测度与快速遗传搜索的图像检测系统
• 2.4.2 目标图像高维特征多级级联检测系统
• 2.4.3 多分类器融合的图像分割系统
• 2.5 本章小结
• 第三章 基于邻域变化矢量场的彩色图像边缘检测技术
• 3.1 引言
• 3.2 彩色图像边缘检测系统方案设计
• 3.2.1 彩色图像边缘检测系统基本结构
• 3.2.2 系统关键模块功能方程
• 3.3 当前几种典型的彩色边缘检测算法
• 3.3.1 基于彩色单分量的彩色边缘检测算法
• 3.3.2 基于彩色向量空间梯度的边缘检测算法
• 3.4 图像邻域变化矢量场分析
• 3.4.1 图像邻域变化矢量场的数理模型
• 3.4.2 图像邻域变化矢量场计算
• 3.4.2.1 基于直线的变化场计算算子
• 3.4.2.2 基于块处理的变化场计算算子
• 3.5 基于图像邻域变化矢量场的彩色边缘检测技术
• 3.5.1 基于图像邻域变化矢量场的边缘变换算子设计
• 3.5.2 方向锐度的自适应二元聚类
• 3.6 实验结果与讨论
• 3.7 本章小结
• 第四章 目标图像高维特征复合模糊测度与快速遗传搜索技术
• 4.1 引言
• 4.2 高维特征复合模糊测度的单目标规划
• 4.3 模糊理论基础
• 4.4 高维特征复合模糊测度函数设计
• 4.4.1 目标图像彩色相似性模糊测度
• 4.4.1.1 彩色空间模型选择
• 4.4.1.2 目标彩色的模糊相似度
• 4.4.2 目标图像纹理相似性模糊测度
• 4.4.3 高维特征相似性复合模糊相似度
• 4.5.空域约束指导下的目标图像检测遗传算法设计
• 4.6 计算机仿真结果与分析
• 4.7 本章小结
• 第五章 复杂光照下目标图像高维特征多级级联检测技术
• 5.1 引言
• 5.2 目标图像高维特征多级检测技术方案设计
• 5.3 基于贝叶斯决策理论的目标彩色特征统计检测
• 5.3.1 基于贝叶斯决策理论的目标彩色分类模型
• 5.3.2 基于贝叶斯决策的传统目标彩色分类技术
• 5.3.2.1 基于统计学习的目标彩色分类
• 5.3.2.2 基于混合高斯模型的目标彩色分类
• 5.3.3 复杂光照下H-SV′光照准平稳模型的目标彩色检测技术
• 5.3.3.1 H-SV′光照准平稳模型
• 5.3.3.2 H-SV′准平稳空间目标彩色检测
• 5.4 符合彩色特征的目标可能域形态学检测
• 5.4.1 数学形态学基本原理
• 5.4.2 符合彩色特征的目标可能域提取
• 5.5 目标彩色纹理变化描述与区域检测
• 5.5.1 目标彩色边缘检测
• 5.5.2 目标彩色纹理区域提取
• 5.6 实验结果分析
• 5.7 本章小结
• 第六章 FCM与马氏空间约束的多分类器融合图像分割技术
• 6.1 引言
• 6.2 基于FCM聚类的单分类器图像分割算法
• 6.2.1 FCM基本算法
• 6.2.2 引入空域约束的单分类器FCM图像分割算法
• 6.2.2.1 GFCM算法
• S算法'>6.2.2.2 KFCM_S算法
• 6.3 多分类器融合的高维特征聚类图像分割算法设计
• 6.4 关键技术分析
• 6.4.1 灰度（颜色）最佳模糊分类器设计与空域约束特征获得
• 6.4.2 基于Markov随机场的空域约束统计分类器设计
• 6.4.2.1 Markov随机场基本概念和相关性质
• 6.4.2.2 基于Markov随机场的空域约束统计分类
• 6.4.3 多分类器融合
• 6.5 实验结果及其分析
• 6.6 本章小结
• 第七章 场景视频序列敏感图像模糊过滤技术
• 7.1 引言
• 7.2 系统基本任务与约束条件
• 7.2.2 系统约束条件
• 7.2.2.1 基本约束条件
• 7.2.2.2 导出约束条件
• 7.3 系统方案设计
• 7.3.1 系统基本状态设计
• 7.3.2 系统状态转换条件分析
• 7.3.3 系统基本模块分析
• 7.4 硬件系统方案设计
• 7.4.1 系统硬件结构设计
• 7.4.2 系统硬件工作流程
• 7.5 软件系统方案设计
• 7.5.1 系统软件结构设计
• 7.5.2 DSP软件设计
• 7.6 实验结果
• 7.7 本章小结
• 全文总结
• 致谢
• 参考文献
• 作者攻博期间取得的成果