發(fā)布時(shí)間：2018-04-15 12:52

  本文選題：紋理濾波 + 結(jié)構(gòu)檢測(cè)��； 參考：《浙江工商大學(xué)》2017年碩士論文

【摘要】：隨著機(jī)器學(xué)習(xí)、人工智能的日益發(fā)展,圖像作為其數(shù)據(jù)來源,人們對(duì)圖像處理的要求也越來越高。過去圖像濾波主要是為了去除噪聲,近些年出現(xiàn)一種新的觀點(diǎn),即濾波不僅要去除噪聲,還需要濾除不必要的紋理細(xì)節(jié),稱之為紋理濾波。該處理在細(xì)節(jié)增強(qiáng)、圖像抽象、區(qū)域分割、目標(biāo)提取、逆半調(diào)等方面都有強(qiáng)大的應(yīng)用。紋理濾波最核心的是結(jié)構(gòu)和紋理的分離,但是這兩者較為相似,如何有效地保持結(jié)構(gòu)同時(shí)濾除紋理是紋理濾波過程中的一個(gè)重難點(diǎn)。然而大多數(shù)已有濾波算法偏向于處理弱梯度紋理的圖像,對(duì)于強(qiáng)梯度的紋理就失效了。一些基于全局優(yōu)化的算法將保持結(jié)構(gòu)和圖像平滑二者放入能量函數(shù),但是參數(shù)難以控制,無法同時(shí)做到對(duì)結(jié)構(gòu)的保持和對(duì)紋理的濾除。為了保證這兩項(xiàng)互不干擾,我們考慮把保持結(jié)構(gòu)和圖像平滑兩項(xiàng)分開,在紋理濾波之前先檢測(cè)結(jié)構(gòu),但是已有的結(jié)構(gòu)檢測(cè)算法并不能很好地適用于紋理濾波算法,為此本文首先提出了一個(gè)基于多尺度內(nèi)變差的結(jié)構(gòu)檢測(cè)方法,然后提出一個(gè)結(jié)構(gòu)引導(dǎo)下的紋理濾波算法,該算法很好地解決已有算法對(duì)于的強(qiáng)梯度紋理的局限性。本文主要的創(chuàng)新工作包括以下三個(gè)部分:第一,我們提出多尺度內(nèi)變差來區(qū)分結(jié)構(gòu)和紋理,該方法相比單.尺度內(nèi)變差,對(duì)于強(qiáng)弱紋理、不同尺度的紋理的區(qū)分更為可可靠。并且基于多尺度內(nèi)變差我們提取六個(gè)有辨別力的特征,作為訓(xùn)練特征。第二,針對(duì)SVM分類結(jié)果的不足之處,我們?cè)O(shè)計(jì)了三步后處理工作,包括孤立點(diǎn)剔除、多尺度斷點(diǎn)連接、基于曲率的結(jié)構(gòu)校正,分別解決了毛刺、漏檢、結(jié)構(gòu)偏移等問題,最后得到精細(xì)的結(jié)構(gòu)檢測(cè)圖。第三,我們提出結(jié)構(gòu)引導(dǎo)下的自適應(yīng)的紋理濾波算法,很好地解決了局部濾波的在結(jié)構(gòu)附近的光暈和偏色現(xiàn)象。最后的濾波結(jié)果既高效地保持了結(jié)構(gòu)信息,又抑制了紋理細(xì)節(jié),效果改善明顯。
[Abstract]:......
【學(xué)位授予單位】：浙江工商大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：TN713;TP391.41

【參考文獻(xiàn)】

相關(guān)期刊論文 前3條

1 胡大盟;黃偉國;張永萍;楊劍宇;朱忠奎;;強(qiáng)度和梯度稀疏約束下的圖像平滑[J];中國圖象圖形學(xué)報(bào);2015年09期

2 余麗紅;馮衍秋;陳武凡;;基于自適應(yīng)正則化的全變分去噪算法[J];中國圖象圖形學(xué)報(bào);2009年10期

3 門濤,陳建安;基于平滑閾值函數(shù)的小波圖像去噪[J];計(jì)算機(jī)工程與科學(xué);2004年08期

，

本文編號(hào)：1754191