图像的插值放大和多阈值区域生长算法的研究

论文摘要

图像分割在图像分析领域中是一个基本问题。一般图像分割问题定义为把一张图像或数据集分割成一系列的同质结果。虽然近来图像分割的算法研究已经有非常大的提高与突破,但在实际应用中,仍然有极大难度。传统的区域生长方法又有很大的局限性,本文力求在方法上有所创新。将解决方法分为三类：分割处理前、分割处理中、分割处理后。并提出了多阈值的区域生长算法,可以有效地减少分割区域。该算法可以表述为：在浸没过程中,通过重复定义阈值函数,使得一些像素点能较早地被浸没,分割后的区域显著地减少,从而分割结果更加准确。本文的主要工作和创新点如下：1.介绍了常用的图像分割算法及其应用。在此基础上分析并探讨分割算法的评价方法。2.针对预处理图像的清晰度,进行了必要的改进图像清晰度的准备工作。文中采用的是：改进的直方图均衡化的算法。经此方法处理得到的图像,不仅能改善图像的清晰度,给人以很好的视觉效果。同时也能为后面的分割做初步的准备。3.预处理图像的大小,关系到图像分割的速度,所以要就对图像进行放缩处理。本文应用了一个新颖的图像放缩的方法：结合闭运算和插值的方法对图像进行放缩处理,效果显著。不仅能保持边缘的清晰光顺,同时也保证图像放缩后的清晰度。4.针对传统的区域生长算法存在很大的局限性,本文在重复定义阈值函数的基础上提出了区域生长的概念。以保证图像区域生长保持正确的方向和区域。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 引言
• 1.2 图像分割的概述
• 1.2.1 图像分割的定义
• 1.2.2 分类
• 1.3 图像预处理
• 1.4 医学图像分割
• 1.4.1 基于边缘的方法
• 1.4.2 基于区域的方法
• 1.4.3 基于形变模型的方法
• 1.4.4 基于统计模式识别的方法
• 1.4.5 基于人工神经网络的方法
• 1.4.6 基于数字图谱的匹配分割
• 1.4.7 其它理论与方法
• 1.5 分割方法的评价
• 1.6 主要工作
• 第2章 改进的直方图均衡化算法
• 2.1 直方图
• 2.1.1 直方图的定义
• 2.2 直方图均衡化算法
• 2.2.1 直方图修正
• 2.2.2 直方图均衡化
• 2.3 改进的直方图均衡化
• 2.3.1 传统的直方图均衡化算法的原理及不足
• 2.3.2 改进的直方图均衡化算法
• 2.3.3 应用效果及结论分析
• 第3章 图像的放缩
• 3.1 插值值的方法
• 3.1.1 最邻近插值
• 3.1.2 B样条线性插值
• 3.1.3 双三次插值算法
• 3.2 一种自适应最大相关性数字图像插值算法
• 3.2.1 多方向最大相关性参考点的确定
• 3.2.2 自适应优化插值
• 3.2.3 自适应最大相关性优化插值算法
• 3.3 结合图像闭运算的图像放缩算法
• 3.3.1 图像的边缘检测
• 3.3.2 图像的闭操作
• 3.3.3 结合闭运算的插值图像放大算法
• 第4章 多阈值的区域生长算法
• 4.1 种子区域生长
• 4.2 多阈值的区域生长算法
• 4.2.1 生长点的确定
• 4.2.2 生长规则的确定
• 4.2.3 算法介绍
• 第5章 总结和展望
• 5.1 把该方法进行推广
• 5.2 后续的工作
• 参考文献
• 致谢