基于多智能体的图像分割

论文摘要

图像分割是指把图像分成各具特性的区域并提取出感兴趣目标的技术和过程。它是从图像处理进到图像分析的关键步骤,也是进一步图像理解的基础。图像分割技术的发展与许多其它学科密切相关,随着各学科新理论和方法的提出,人们也提出了许多结合相关理论、方法和工具的分割技术,基于智能体(Agent)思想的图像分割就是其中之一。在Jiming Liu提出的基于分布式行为智能体的图像分割中,作者针对图像分割特定问题,设计了具有自主行为的智能体,通过智能体在图像上的繁殖,扩散等行为逐渐寻找一致性区域,最终实现图像分割,取得了不错的效果。但是该方法仍存在一些缺陷,针对该方法的不足,本文在以下方面做了改进：1)对每个像素点,采用灰度和灰度共生矩阵统计量组成特征向量,使本文方法更适用于纹理图像,合成孔径雷达(Synthetic Aperture Radar,简称SAR)图像。2)对初始智能体根据其特征相似度进行简单分类,通过分类使相似度大的智能体聚集在一起。较原文中初始随机分布,加快了算法收敛速度。3)通过智能体的进化,自适应定义区域一致性标准,较原文中事先定义好的区域一致性标准,本文方法适用性更广,算法更加鲁棒,更具实际意义。4)增加了竞争算子。竞争算子在两类智能体同时访问同一像素时发挥作用,更有利于边缘像素的分割。实验结果表明,较原文方法,本文方法更为有效。在图像分割中始终面临一个问题,那就是区域的一致性和边缘分割的准确性这一矛盾。本文借鉴智能体这一思想及空间域获得信息的不足,提出了一种基于变换域的边缘检测修正方法。该方法首先结合变换域特征,应用边缘检测,确定出大致边缘。然后应用边缘修正算子,该算子作用于边缘,将边缘形状特征作为先验知识,用于指导修订边缘像素点的分割。实验结果验证了该方法的有效性。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 研究背景与意义
• 1.2 纹理图像及SAR图像概述及研究方法
• 1.3 图像分割发展现状
• 1.4 论文的主要工作
• 第二章 图像分割综述
• 2.1 图像分割的定义
• 2.2 典图像分割算法
• 2.2.1 基于边缘的图像分割
• 2.2.2 基于区域特性的图像分割
• 2.2.3 基于数学形态学的图像分割
• 2.2.4 基于统计模式识别的图像分割
• 2.2.5 基于神经网络的图像分割
• 2.2.6 基于模糊集合和逻辑的图像分割
• 2.2.7 基于多尺度分析的图像分割
• 2.2.8 基于遗传算法的图像分割
• 2.3 图像分割评价标准
• 2.4 本章小结
• 第三章 基于智能体思想的图像分割
• 3.1 人工智能与智能体
• 3.1.1 人工智能的定义
• 3.1.2 人工智能的发展
• 3.1.3 智能体的定义
• 3.1.4 智能体的结构
• 3.2 基于智能体思想的图像分割算法
• 3.2.1 引言
• 3.2.2 特征提取
• 3.2.3 区域一致性标准
• 3.2.4 图像分割中智能体的定义和行为
• 3.2.5 方向概率向量
• 3.2.6 算法步骤
• 3.2.7 仿真实验与结果分析
• 3.3 本章小结
• 第四章 基于边缘检测修正的图像分割
• 4.1 图像中的多尺度几何分析
• 4.1.1 多尺度几何分析简介
• 4.1.2 双树复小波变换（DT-CWT）
• 4.1.3 Contourlet变换
• 4.2 基于边缘检测修正的图像分割
• 4.2.1 引言
• 4.2.2 特征提取
• 4.2.3 边缘修正算子
• 4.2.4 方向概率向量
• 4.2.5 加权距离计算
• 4.2.6 算法步骤
• 4.2.7 仿真实验与结果分析
• 4.3 本章小结
• 第五章 总结和展望
• 5.1 论文的工作总结
• 5.2 进一步的工作展望
• 致谢
• 参考文献
• 硕士期间已发表的论文