基于二叉树结构的彩色图像分割

基于二叉树结构的彩色图像分割

论文摘要

随着科学技术的进步和计算机的广泛使用,数字图像处理技术已经渗透到人类生活的各个方面,并发挥着越来越重要的作用。图像分割就是指把图像分解成各具特性的区域并提取出感兴趣目标的技术和过程,它是由图像处理到图像分析的一个关键步骤,在计算机视觉、模式识别和医学图像处理等实际中得到了广泛的应用。如何对彩色图像中的目标进行有效的分割是计算机视觉和图像分析的重点和难点,目前对彩色图像的分割方法主要分类为基于阈值的分割技术、基于边界的分割技术、基于区域特性的分割技术和结合特定理论工具的分割技术四类。本文在传统的基于聚类算法的基础上,引入图像分层的理念,提出了一种基于二叉树结构的彩色图像分割方法,分层目的是将图像在不同分辨率下由粗到细地表达出来,基于分层的图像处理方法能够充分组合利用图像的全局与局部信息、空间与灰度信息.首先,对待分割图像采用最优阈值化方法获取R,G,B三个颜色空间的最佳阈值,从而得到三个颜色空间的二值图像,然后通过构造自适用二叉树进行一次粗分割提取目标区域,实现对图像的粗分割,自适应二叉树图像分块的基本思想是先把阈值化后的二值图像作为二叉树的根节点,以二值图像像素一致为基础,采用区域距离度量的方法进行区域分裂,在计算区域的距离时,我们需要考虑两个方面;区域的颜色距离和边缘距离,从而构造图像的分裂二叉树,得到图像的颜色一致区域。通过构造二叉树进行粗分割可以把图像上颜色一致的区域初步的分割开,而并不理解其中的含义。而且这样分割的图像往往呈方形,分割的结果不满足人们的视觉感知。因此本文将在此基础上采用C-均值聚类算法实现对图像粗分割后形成的叶子区域进行聚类。从而使分割后的图像更具有现实意义。本文使用Visual C++ 6.0实现了算法,实验结果证明,本文所提出的方法与传统的区域生长方法和C-均值聚类算法的相比,可以更好的实现目标图像和背景的分离。

论文目录

  • 摘要
  • ABSTRACT
  • 第一章 绪论
  • 1.1 研究的背景与意义
  • 1.2 图像分割的数学描述
  • 1.3 主要研究内容
  • 1.4 论文的结构安排
  • 1.5 本章小结
  • 第二章 图像分割系统的一般结构
  • 2.1 颜色特征及颜色空间的分析
  • 2.1.1 颜色的基本性质
  • 2.1.2 颜色空间
  • 2.2 图像分割的研究现状
  • 2.2.1 基于直方图阈值的方法
  • 2.2.2 基于区域的方法
  • 2.2.3 基于边缘的方法
  • 2.2.4 基于颜色聚类的算法
  • 2.2.5 基于特定理论工具的算法
  • 2.3 本章小结
  • 第三章 基于二叉树的图像分割
  • 3.1 基于分层结构的图像分割
  • 3.1.1 金字塔缩减过程
  • 3.1.2 金字塔分割方法的优缺点
  • 3.2 基于自适应二叉树的图像分割
  • 3.2.1 图像的二值化
  • 3.2.2 自适应二叉树图像分块
  • 3.2.3 C-均值聚类算法
  • 3.3 本章小结
  • 第四章 实验分析
  • 4.1 试验过程与分析
  • 4.2 对噪声图像的处理
  • 4.3 与其他算法计较
  • 第五章 总结与展望
  • 5.1 总结
  • 5.2 展望
  • 参考文献
  • 致谢
  • 附录A 攻读硕士学位期间公开发表的学术论文
  • 相关论文文献

    • [1].彩色图像分割方法综述[J]. 电脑知识与技术 2020(23)
    • [2].医学彩色图像分割的作用[J]. 企业导报 2016(01)
    • [3].基于模糊理论的彩色图像分割方法的研究[J]. 数码世界 2017(07)
    • [4].彩色图像分割方法综述[J]. 软件导刊 2018(04)
    • [5].复杂网络理论在彩色图像分割中的应用研究[J]. 计算机测量与控制 2018(07)
    • [6].基于先验色彩协方差约束的彩色图像分割[J]. 计算机工程 2017(04)
    • [7].基于足球机器人的彩色图像分割方法研究[J]. 内蒙古工业大学学报(自然科学版) 2013(02)
    • [8].彩色图像分割技术分析与研究[J]. 科技信息 2012(34)
    • [9].基于边缘检测和区域生长的自然彩色图像分割[J]. 天津工业大学学报 2008(01)
    • [10].彩色图像分割技术综述[J]. 科技情报开发与经济 2008(10)
    • [11].基于色彩空间变换的彩色图像分割方法[J]. 计算机工程与应用 2019(09)
    • [12].基于密度聚类的彩色图像分割方法[J]. 华中科技大学学报(自然科学版) 2011(S2)
    • [13].一种改进彩色图像分割方法[J]. 计算机与数字工程 2012(11)
    • [14].基于颜色量化和密度峰聚类的彩色图像分割[J]. 计算机工程与应用 2020(02)
    • [15].基于多方法融合的非监督彩色图像分割[J]. 山东大学学报(工学版) 2019(02)
    • [16].模糊相关图割的非监督层次化彩色图像分割[J]. 中国图象图形学报 2018(09)
    • [17].结合几何划分技术和最大期望值/最大边缘概率算法的彩色图像分割[J]. 中国图象图形学报 2013(10)
    • [18].融合改进分水岭和区域生长的彩色图像分割方法[J]. 计算机工程与科学 2013(04)
    • [19].基于多阶抽样的高斯混合模型彩色图像分割[J]. 中国图象图形学报 2011(04)
    • [20].采用空间聚类和平面或连通的彩色图像分割[J]. 计算机工程与应用 2009(29)
    • [21].常用彩色图像分割方法的分析与探讨[J]. 科技风 2009(21)
    • [22].应用于彩色图像分割的半监督多目标进化聚类算法[J]. 计算机应用研究 2018(10)
    • [23].一种基于骨架的彩色图像分割方法[J]. 计算机仿真 2008(05)
    • [24].基于彩色图像分割的孔隙度提取[J]. 仪表技术 2016(03)
    • [25].混合聚类彩色图像分割方法研究[J]. 计算机工程与应用 2011(09)
    • [26].基于核的密度函数聚类的彩色图像分割方法[J]. 电脑知识与技术 2010(19)
    • [27].基于萤火虫算法的无监督最小视觉差彩色图像分割[J]. 计算机与现代化 2018(12)
    • [28].一种基于区域的彩色图像分割方法[J]. 计算机仿真 2010(06)
    • [29].结合爬山法的模糊C均值彩色图像分割方法[J]. 计算机科学 2018(S2)
    • [30].基于空间和时间差别采样的彩色图像分割[J]. 计算机工程 2012(13)

    标签:;  ;  ;  ;  ;  

    基于二叉树结构的彩色图像分割
    下载Doc文档

    猜你喜欢