2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩82頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

1、圖像分割是圖像處理的一個(gè)重要步驟,它在計(jì)算機(jī)視覺領(lǐng)域,特別是模式識(shí)別、目標(biāo)跟蹤和檢測、圖像重構(gòu)和特征提取等方面有著重要而廣泛的應(yīng)用。主動(dòng)輪廓模型是近年來非常流行的圖像分割工具,本文在一定理論分析和方法討論的基礎(chǔ)上,提出了兩種新的主動(dòng)輪廓模型。本文所做的主要工作如下:
  1.提出一種基于包含度的無參數(shù)概率主動(dòng)輪廓模型。該方法把圖像的概率域信息和模糊集理論相聯(lián)系,通過對圖像區(qū)域概率密度函數(shù)的無參數(shù)估計(jì)(核估計(jì)),在引入模糊集包含度概

2、念的基礎(chǔ)上,構(gòu)造了圖像前景區(qū)域和背景區(qū)域之間的重疊率。我們在長度正則項(xiàng)的約束下,利用前景和背景之間相互的重疊率,建立了基于包含度的能量函數(shù)。通過推導(dǎo)能量函數(shù)的梯度流和水平集方法,我們得到了這一優(yōu)化問題的最優(yōu)解。實(shí)驗(yàn)表明,我們的模型對人造圖像和自然圖像都能取得良好的分割效果,和已有的無參數(shù)概率主動(dòng)輪廓相比,分割效果相當(dāng),并且計(jì)算的性能和效率都有一定提高。
  2.提出一種基于核描述子的交互式主動(dòng)輪廓模型。早期的主動(dòng)輪廓模型都是基于低

3、維特征的,而低維圖像特征往往缺乏對圖像空間相關(guān)性的描述,所以對特征混雜的圖像(大部分自然圖像都是特征混雜的)分割效果較差。對一般的高維特征,如局部直方圖,不僅增加了特征在理論和計(jì)算上的復(fù)雜度,而且缺乏有效的相似度(差異度)度量方法用于建立主動(dòng)輪廓模型的能量函數(shù)。因此我們引入核描述子,它對圖像塊特征引入每個(gè)像素的位置信息,充分考慮了像素的空間相關(guān)性。除此之外,它可以方便地計(jì)算不同特征之間的相似度,為能量函數(shù)的建立提供了方便。該方法有兩個(gè)步

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評(píng)論

0/150

提交評(píng)論