图像分割与评价及图像三维表面重建研究

论文摘要

图像分割和图像三维表面重建是图像处理中的两个重要研究领域,现有的图像分割算法在求最佳阈值时存在局限性;图像分割存在重叠、粘连等,对分割质量的评价也非常困难;利用多目标优化求解方法对图像三维表面重建研究也往往找不到最优解。针对这些问题,本文在模糊集理论的基础上,提出用并行搜索求最优解来对图像进行分割,用颗粒参数测量方法对分割图像的质量进行评价,用循环极大极小求解方法来进行图像三维表面重建,具体包括以下内容:①在图像分割中,研究基于阈值的图像分割算法和基于边缘检测的图像分割算法,分析这两类算法的基本思想,针对不同的图像进行了仿真实验,对实验结果进行了分析和比较。本文采用等22.5°角的16个方向的Laplace算子的检测估算模板,设定适当的权向量,提高边缘检测的精度,检测出来的边缘不但更清晰,而且也检测出8个方向的Laplace算子所没有检测出的一些边缘,同时合理地设置参数,避免一些伪边缘的提取。②基于聚类的图像分割算法中,对HCM和FCM算法进行比较,运用FCM聚类算法对图像进行分割实验。由于FCM算法需要初始化,并且目标函数存在许多局部极小点,如果初始化落在目标函数的局部极小点附近,就会造成算法收敛到局部极小点。为了解决此问题,本文提出GOS算法,利用GOS算法的并行搜索能力,对FCM算法加以改进,形成具有并行能力的GOS算法。同时,分析在不同初始条件下,对许多样本的聚类分析时,GOS算法比传统的FCM聚类算法更加有效,对算法性能进行理论分析,并通过仿真实验进行验证。③图像分割质量的评价是最难解决的问题之一,本文提出用图像颗粒参数测量方法来计算颗粒形状和粒度分布等,以此评价图像分割的精确度,并和已有的七种分割评价方法进行比较,通过仿真实验进行定性和定量的分析,证明此方法能更好地评价图像分割算法的优劣。④在图像三维重建中,提出模糊多目标优化图像三维重建的数学模型,将优化图像三维重建中普通目标函数以隶属函数的形式表示,构成新型数学模型来表述问题,采用极大极小求解方法。在大大简化求解过程的同时,有效地保证自动搜寻出原问题的有效解。⑤在医学图像处理中,从受损颅骨图像的背景物质检测、边缘检测,到重建出受损的颅骨图像,对比不同算法,并通过仿真实验,验证算法的可行性;给兔子的血管注射造影剂,重建图像,观察兔子的各种组织,通过仿真实验验证算法的可行性及结果的合理性。⑥在上述理论研究的基础上,本文开发一个图像分割、图像三维表面重建和颗粒参数测量原型系统,能对图像进行处理和分析,特别是将本文提出GOS算法、重建算法和图像颗粒参数测量方法加入该系统,并对该系统的应用前景进行展望。最后,对研究内容进行总结,并指出后续的研究方向,为进一步的研究开拓思路。

论文目录

• 摘要
• ABSTRACT
• 1 绪论
• 1.1 图像分割的研究现状和研究内容
• 1.2 图像三维重建的研究现状和研究内容
• 1.3 论文研究的主要内容
• 1.4 论文结构
• 2 模糊集相关知识
• 2.1 普通集合
• 2.2 模糊集
• 2.2.1 模糊度
• 2.2.2 去模糊化方法
• 2.3 隶属函数
• 2.4 图像的模糊熵
• 2.5 本章小结
• 3 图像分割算法及颗粒参数测量评价方法
• 3.1 图像分割方法
• 3.2 图像分割质量的评价方法
• 3.3 图像分割的颗粒参数测量评价方法
• 3.3.1 图像颗粒
• 3.3.2 图像颗粒模型
• 3.3.3 图像颗粒参数
• 3.3.4 图像颗粒参数计算方法
• 3.3.5 图像颗粒参数测量评价分析
• 3.4 基于阈值的图像分割算法
• 3.4.1 原始图像分析
• 3.4.2 三类基于阈值的图像分割算法
• 3.4.3 三类基于阈值的图像分割算法的仿真实验
• 3.5 图像颗粒参数测量方法对三类阈值分割算法的评价分析
• 3.6 基于边缘检测的图像分割算法
• 3.6.1 边缘检测算法
• 3.6.2 16 方向Laplace 算子的边缘检测
• 3.6.3 仿真实验及对比分析
• 3.7 本章小结
• 4 图像分割的GOS 算法
• 4.1 聚类
• 4.2 聚类算法
• 4.2.1 HCM 算法
• 4.2.2 FCM 算法
• 4.2.3 HCM 和FCM 算法的仿真实验及结果分析
• 4.3 FCM 聚类算法的图像分割
• 4.4 GOS 算法的图像分割
• 4.5 FCM 和GOS 算法的仿真实验与对比分析
• 4.5.1 FCM 和GOS 仿真实验
• 4.5.2 图像颗粒参数测量方法对FCM 和GOS 实验结果对比分析
• 4.6 本章小结
• 5 向量优化图像重建
• 5.1 模糊优化
• 5.2 模糊向量优化
• 5.3 图像重建中的向量优化
• 5.3.1 多目标优化图像重建的模型
• 5.3.2 多目标优化图像重建算法
• 5.3.3 仿真实验
• 5.4 本章小结
• 6 图像三维表面重建
• 6.1 图像三维表面重建流程
• 6.2 颅骨背景物质检测
• 6.2.1 颅骨原始图像分析
• 6.2.2 扫描算法
• 6.3 颅骨图像分割比较研究
• 6.3.1 阈值分割算法
• 6.3.2 改进的阈值分割算法
• 6.3.3 剥离算法
• 6.4 序列颅骨图像的三维表面重建
• 6.4.1 序列颅骨图像的三维表面重建算法
• 6.4.2 颅骨修复算法
• 6.5 血管造影中的图像三维重建
• 6.5.1 兔子腿骨原始图像预处理
• 6.5.2 兔子腿骨图像分割
• 6.5.3 兔子腿骨的图像三维重建算法
• 6.5.4 DSA 算法
• 6.6 本章小结
• 7 图像分割、三维表面重建和颗粒参数测量评价系统
• 7.1 系统设计目标
• 7.2 系统设计
• 7.3 系统应用效果分析
• 7.3.1 16 方向Laplace 算子和GOS 算法的骨折和癌细胞图像分割
• 7.3.2 骨折和癌细胞分割图像的颗粒参数测量处理
• 7.3.3 转移性肺鳞癌细胞序列图像的三维重建
• 7.4 系统应用前景
• 7.5 本章小结
• 8 结论与展望
• 8.1 研究工作总结
• 8.2 未来研究工作展望
• 致谢
• 参考文献
• 附录