基于双边滤波的多级边缘域中的自动物体提取及其描述算子设计

论文摘要

本论文主要研究数字图像处理中的图像分割技术,以及图像的表示与描述。其广泛应用于计算机视觉,人工智能,多媒体信息处理等领域。基于数字图像处理的基本理论,我们提出了一种新颖的自动物体提取算法,并开发了一个简单且有效的形状描绘子。本文中的物体提取算法着重于从Canny边缘域中实现物体边界的自动提取。采取多级的方法,双边滤波器迭代地应用于原始图像以产生图像的多级。这些连续的级代表了图像逐渐简化的过程,即更多的细节例如纹理和噪声被逐渐移除,同时主要边缘得以保留。在每一级中,采用Canny边缘检测提取边缘,并将结果累积到一个级图中。通过对级图边缘域的分析,例如子分割单元的构造,闭合回路的获取等,即可实现物体边界的提取。本文中的形状描绘子用于对物体边界进行可靠的计算机表述,进而对图像进行语义层面的描述。通过模拟一只“蚂蚁”在物体边界上行走的过程,其每一时间有限的视域线路被累积到一个二维直方图。采用两个二维直方图来分别记录分支和拐点,以实现物体形状的准确描绘。实验结果表明本文提出的物体提取算法和形状描绘子准确性较高,可靠性较强,并优于现有的同类方法。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 研究背景及意义
• 1.2 国内外研究现状
• 1.3 主要研究内容
• 1.4 论文安排
• 第二章 背景知识及理论基础
• 2.1 空间域图像增强技术
• 2.1.1 背景知识
• 2.2 基本灰度变换
• 2.2.1 图像反转
• 2.2.2 对数变换
• 2.2.3 幂次变换
• 2.3 直方图处理
• 2.3.1 直方图定义
• 2.3.2 直方图均衡化
• 2.4 空间滤波
• 2.4.1 空间滤波基础
• 2.4.2 平滑空间滤波器
• 2.4.3 锐化空间滤波器
• 第三章 图像分割技术
• 3.1 背景知识
• 3.2 基于边缘的分割
• 3.2.1 点检测
• 3.2.2 线检测
• 3.2.3 边缘检测
• 3.3 门限处理
• 3.3.1 基础
• 3.3.2 基本全局门限
• 3.3.3 基本自适应门限
• 3.4 基于区域的分割
• 3.4.1 基本公式
• 3.4.2 区域生长
• 3.4.3 基于形态学分水岭的分割[14]
• 第四章 图像表示与描述
• 4.1 基础知识
• 4.2 图像目标的特征提取
• 4.2.1 度特征
• 4.2.2 统计特征
• 4.3 图像目标表达
• 4.3.1 边界表达
• 4.3.2 区域表示
• 4.4 图像目标描述
• 4.4.1 边界描述
• 4.4.2 区域描述
• 第五章 算法设计一:自动物体提取
• 5.1 研究背景
• 5.2 子分割单元分析
• 5.2.1 多级分析
• 5.2.2 闭合回路与非闭合回路分割
• 第六章 算法设计二:形状描绘子
• 6.1 研究背景
• 6.2 二维直方图的构成
• 6.2.1 二维直方图概况
• 6.2.2 二维直方图描绘子
• 第七章 实验结果和分析
• 7.1 物体提取算法性能评估
• 7.2 形状描绘子性能评估
• 第八章 结论
• 参考文献
• 附录一
• 附录二:荷兰代尔夫特理工大学学习交流情况汇报