基于智能信息技术的纹理图象识别与生成研究

论文摘要

纹理图象的识别与生成是图象处理、模式识别和计算机视觉等学科领域的重要研究内容之一，其识别与生成技术具有重要的实际应用意义。本论文在分析、总结多种常用方法的基础上，对纹理图象识别与生成的各个阶段进行了深入的研究，结合信息智能处理技术提出了一些有效的处理方法，取得了较好的实验结果。 本论文应用数学形态学理论提出了一种新型的全方位层叠滤波算法，实验结果表明，该方法在保持图象几何特征的同时，能够有效提高对自然纹理图象的去噪效果，还具有能并行快速实现的特点。 针对自然纹理图象的识别问题，根据蚁群算法的聚类和离散性特点，本论文提出一种有效而适用的图象识别聚类蚁群算法，通过深入研究和实验分析纹理图象的特征函数，结合蚁群算法聚类识别的要求，确定了较全面反映自然纹理图象特征的9个统计函数作为图象识别的依据，利用蚁群算法的聚类特性对纹理图象的特征函数进行聚类匹配，最终实现图象的识别。实验结果表明，这一新型算法具有较高的识别率，而且便于实现和应用。 自然纹理图象具有局部非线性特点，所以其生成问题就比较复杂。为能够提出从各个角度真实全面反映图象的特征函数，本论文引入高阶统计量作为纹理特征，与一、二阶统计量相结合，共选取16个特征函数作为图象生成的依据，运用改进的BP算法建立了人工神经网络模型，实现了自然纹理图象的生成。实验结果表明，本论文提出的纹理图象生成方法具有生成时间较短、生成效果逼真等优点。而且该方法打破了以往纹理图象根据结构不同采用不同模式生成方法的界限，可根据需要任意生成各种自然纹理图象。

论文目录

• 第1章 绪论
• 1.1 论文研究的目的和意义
• 1.2 国内外研究现状概述
• 1.2.1 纹理分析国内外研究概况
• 1.2.2 纹理生成国内外研究概况
• 1.2.3 信息智能处理技术国内外研究概况
• 1.3 论文研究的主要内容
• 第2章 纹理图象及其特征提取
• 2.1 纹理及纹理图象
• 2.2 纹理图象研究的难点
• 2.3 纹理特征的提取
• 2.3.1 基于统计的纹理特征提取方法
• 2.3.2 基于结构的纹理特征提取方法
• 2.3.3 基于模型的纹理特征提取方法
• 2.4 本章小结
• 第3章 基于全方位结构元素层叠算法的自然纹理图象去噪处理
• 3.1 数学形态学基本滤波算子
• 3.2 形态滤波器设计
• 3.2.1 交替串行级联式形态滤波器
• 3.2.2 多方位结构元素形态滤波器
• 3.2.3 全方位结构元素闭开组合形态滤波器
• 3.2.4 全方位结构元素层叠滤波器研究
• 3.3 仿真实验与分析
• 3.4 本章小结
• 第4章 基于蚁群算法的自然纹理图象识别
• 4.1 蚁群算法基本模型
• 4.2 蚂蚁系统
• 4.3 蚁群系统
• 4.4 蚁群算法的改进思路
• 4.5 基于蚁群算法的纹理图象识别
• 4.5.1 基于蚁群算法的聚类识别基本原理
• 4.5.2 纹理图象特征提取
• 4.5.3 自然纹理图象的识别
• 4.5.4 实验仿真及结果分析
• 4.6 基于蚁群算法的硬币图象识别
• 4.6.1 图像特征提取
• 4.6.2 实验仿真及结果分析
• 4.7 本章小结
• 第5章 基于高阶统计量的自然纹理图象生成方法研究
• 5.1 纹理统计特征的提取
• 5.2 人工神经网络的建立
• 5.2.1 人工神经网络模型分类
• 5.2.2 误差反向传播网络BP算法
• 5.2.3 BP网络存在的问题及改进算法
• 5.3 自然纹理图象生成方法的实现
• 5.4 实验仿真及结果分析
• 5.4.1 实验条件
• 5.4.2 实验仿真
• 5.4.3 实验结果及分析
• 5.5 本章小结
• 结论
• 参考文献
• 攻读博士学位期间发表的论文和取得的科研成果
• 致谢
• 个人简历