張量投票算法及其應(yīng)用.pdf

1、本文主要介紹了一種新的數(shù)據(jù)分析算法，即張量投票算法.該算法完全利用圖像數(shù)據(jù)，根據(jù)張量分析，矩陣論和幾何的知識(shí)，對(duì)數(shù)據(jù)點(diǎn)進(jìn)行編譯和幾何闡釋，再根據(jù)心理學(xué)中的Gestalt原理制定一個(gè)數(shù)據(jù)點(diǎn)與周圍的數(shù)據(jù)點(diǎn)之間的信息傳遞規(guī)則，從而推斷出一些幾何結(jié)構(gòu).這種方法有諸多優(yōu)點(diǎn)：局部性，對(duì)噪聲的魯棒性，非迭代的，可處理大量數(shù)據(jù)的，可同時(shí)表示各種幾何結(jié)構(gòu)類型等.本文從二維情形開始對(duì)該算法進(jìn)行了詳細(xì)的數(shù)學(xué)描述，并推廣到高維空間。 這種算法與現(xiàn)在流行

2、的基于偏微分方程的圖像處理方法不同，在第三章中就該算法的應(yīng)用提出了三個(gè)方面：1.圖像去噪；2.圖像分割；3.圖像序列.其中，圖像去噪是完全利用張量投票算法對(duì)數(shù)據(jù)的處理，可以看到這種算法的有效性.而對(duì)于圖像中輪廓線的提取，以前也有很多基于能量泛函和偏微分方程的工作，本文從另外一個(gè)角度把張量投票算法中出現(xiàn)的顯著性信息放到能量泛函中得到跟以前一致，并更精細(xì)的方程。限于時(shí)間，這個(gè)改進(jìn)的方法沒有進(jìn)一步與之前的方法進(jìn)行比較和分析.最后，對(duì)圖像序列中