分割类圆形聚集区域的Gabor方法研究

论文摘要

类圆形聚积区域在工业生产和现实生活中的广泛存在,对类圆形聚积区域的图像分割提出了许多应用需求。本文的研究工作从沙钢钢铁集团公司与中南大学信息科学工程学院合作研制的棒材点支计数系统中对类圆形聚积区域分割的需求出发,系统的分析和研究了一套可以分割出各种类圆形聚积区域的算法框架。论文建立了一套对类圆形聚积区域图像具有通用性和有效性的纹理区域分割策略框架,该算法框架与简单的分割方法相比增加了频段选择方法、滤波器组选择和桥模糊算法,三个重要的部分,适用于各种类圆形聚积区域目标的提取。提出了桥模糊算法。该算法取一个具有一定长度和方向与Gabor滤波器相同的桥算子,在图像中则是一个连续的一维像素串。如果桥算子覆盖的相应图像区域在桥中心两边都有频率响应,则用桥算子对算子模板覆盖下的响应图像像素点作卷积,用其均值来恢复桥中心所对应的象素信息。提出了响应离散度。响应离散度是一个表征频谱响应在图像中离散程度的特征量,是Gabor频普响应分布的概率均值和方差。通过响应离散度,新算法成功的将不适合进行纹理分割的滤波频谱响应剔除出了滤波器组,解决了传统方法中滤波器选择的盲目性问题。最后,论文在亮度变化,对比度变化,旋转变换和纹理干扰等情况下,对改进的分割方法的性能进行了系统的定量分析,研究表明改进的Gabor分割算法在这些方面都有很强的鲁棒性。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 研究背景
• 1.2 研究现状
• 1.3 类圆形聚积区域分割的研究现状和困难
• 1.4 论文研究思路和主要内容
• 1.4.1 主要研究内容
• 1.4.2 研究难点
• 1.4.3 研究意义
• 1.5 论文安排
• 第二章 Gaber方法与纹理分割
• 2.1 图像的纹理特征和Gabor滤波器理论计
• 2.1.1 图像的纹理特征
• 2.1.2 类圆形聚积区域的纹理特征分析
• 2.1.3 经典的Gabor滤波器理论和设计
• 2.2 对经典Gabor滤波器方法的改进
• 2.2.1 单方向的Gabor滤波方法
• 2.2.2 基于Gabor环的滤波方法
• 2.3 Gabor小波的构造及其对纹理图像的分割
• 2.3.1 多分辨分析与纹理分割
• 2.3.2 Gabor小波的构造
• 2.4 本章小结
• 第三章 Gabor类圆形聚积区域分割方法
• 3.1 传统方法分割类圆形聚积区域研究
• 3.1.1 最大类间方差法
• 3.1.2 Otsu双阈值分割法
• 3.1.3 最大熵分割法
• 3.1.4 基于多层小波的分割方法
• 3.2 改进的Gabor小波分割算法框架
• 3.2.1 改进的类圆形聚积区域图像分割算法框架
• 3.2.2 应用离散度对滤波器组进行优化选择
• 3.2.3 桥模糊算法对信息的最大化
• 3.3 在各种类圆形聚集区域图像中的分割
• 3.3.1 在药片堆积物图像中的应用
• 3.3.2 在黄豆堆积物图像中的应用
• 3.3.3 在青稞堆积物图像中的应用
• 3.4 本章小结
• 第四章 算法鲁棒性分析和性能研究
• 4.1 改进算法的鲁棒性分析
• 4.1.1 对光照强度的适应性
• 4.1.2 对对比度的适应性
• 4.1.3 对旋转变换的适应性
• 4.1.4 对纹理干扰的抵抗性
• 4.1.5 对类圆形同类纹理的抵抗性
• 4.2 改进算法的性能研究
• 4.2.1 图像分割结果的评价方法
• 4.2.2 亮度变化性能分析
• 4.2.3 对比度变化性能分析
• 4.2.4 旋转变换性能分析
• 4.2.5 抵抗纹理干扰性能分析
• 4.2.6 对类圆形同类纹理的抵抗性能分析
• 4.3 本章小结
• 第五章 工作总结与展望
• 5.1 工作总结
• 5.2 工作展望
• 参考文献
• 致谢
• 攻读硕士学位期间的主要研究成果