【摘要】：為實(shí)現(xiàn)太赫茲同軸全息再現(xiàn)像識別,通常需要圖像分割提取圖像特征,因此有必要對圖像分割算法進(jìn)行研究和討論。本文分別采用了基于直方圖多項(xiàng)式擬合的復(fù)合閾值分割方法和基于U-NET模型的深度學(xué)習(xí)方法對真實(shí)太赫茲圖像分割,并將兩種方法復(fù)合起來應(yīng)用于太赫茲同軸全息再現(xiàn)像分割。本文首先介紹了要處理的墊片和齒輪真實(shí)太赫茲圖像特點(diǎn),實(shí)驗(yàn)中真實(shí)太赫茲圖像均存在噪聲,像素分為透光和不透光部分,即目標(biāo)和背景兩類,而墊片圖像由于成像時(shí)激光器能量不夠,四周存在與目標(biāo)像素灰度級類似的背景像素,僅用傳統(tǒng)的閾值分割方法無法解決這些問題。因此使用了一種復(fù)合閾值分割算法,即裁剪、鏡像擴(kuò)展、NLM濾波去噪后求直方圖進(jìn)行多項(xiàng)式擬合求極大值灰度拉伸,再對直方圖進(jìn)行多項(xiàng)式擬合求極小值分割,并分步與基本全局閾值法和大津法進(jìn)行了比較。相比本課題組董儒汲所用算法,濾波方式由導(dǎo)引濾波變?yōu)镹LM濾波,多項(xiàng)式擬合階數(shù)也有變化,得到的分割結(jié)果較好。為了將已有的深度學(xué)習(xí)分割算法應(yīng)用到連續(xù)2.52THz同軸全息再現(xiàn)像分割中,由于U-NET可以在訓(xùn)練樣本數(shù)少的前提下較精確地分割電鏡神經(jīng)元圖像,符合本文實(shí)驗(yàn)中真實(shí)太赫茲同軸數(shù)字全息再現(xiàn)像樣本少的需求,因此研究了UNET分割真實(shí)太赫茲圖像時(shí)訓(xùn)練集、損失函數(shù)和學(xué)習(xí)率對結(jié)果的影響,得到了最優(yōu)的網(wǎng)絡(luò)模型。實(shí)驗(yàn)結(jié)果證明,優(yōu)化后的U-NET模型對圖像的目標(biāo)與背景有了一定的區(qū)分能力,同時(shí)具有一定的去噪能力,可以去掉圖像中不嚴(yán)重的噪聲。實(shí)驗(yàn)中基本去掉了齒輪圖像的噪聲并且較好地保留目標(biāo),分割結(jié)果優(yōu)于第二章中復(fù)合閾值分割方法,但墊片圖像仍需與其他算法結(jié)合分割。由于復(fù)合閾值分割算法中多項(xiàng)式擬合前的預(yù)處理步驟可解決四周背景與嚴(yán)重噪聲的問題,因此將復(fù)合閾值分割算法與U-NET算法復(fù)合起來應(yīng)用于真實(shí)太赫茲圖像分割。即先對圖像進(jìn)行裁剪、鏡像擴(kuò)展、NLM濾波,然后利用UNET算法分割,重復(fù)10次實(shí)驗(yàn)疊加分割結(jié)果以消除隨機(jī)性的影響。由于真實(shí)太赫茲圖像數(shù)據(jù)較少,因此對仿真圖像的復(fù)合U-NET算法分割做了研究。
【圖文】：

NLM濾波結(jié)果

g)相應(yīng)輸出 1 h)相應(yīng)輸出 2 i)相應(yīng)輸出 3圖 1-2 實(shí)驗(yàn)結(jié)果[15]維度太赫茲圖像的分割問題，2015 年，加拿大加權(quán)特征空間和簡單隨機(jī)抽樣 k-均值聚類的的目標(biāo)是估計(jì)預(yù)期中心，選擇相關(guān)特征計(jì)算用了特征權(quán)重來減少分割所需的特征數(shù)，通實(shí)現(xiàn)最佳的特征識別，得到了適合的聚類精示。
【學(xué)位授予單位】：哈爾濱工業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：TP391.41;O441.4

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 賈麗娟;;關(guān)于圖像分辨率的教學(xué)思考[J];印刷世界;2011年05期

2 丁曉蓮;周激流;李曉華;吳朋;;人臉識別率與圖像分辨率關(guān)系的比較分析[J];計(jì)算機(jī)工程;2009年11期

3 張秀屏，劉錫國，，叢玉良;提高彩電圖像分辨率的研討[J];光學(xué)精密工程;1994年02期

4 衛(wèi)紅;為DVD機(jī)配哪種彩電[J];家庭科技;2000年07期

5 卜麗靜;張銘娟;陳方惠;許崢輝;趙曉宇;;利用地面靶標(biāo)的超分辨率重建圖像分辨率評價(jià)[J];測繪科學(xué);2019年12期

6 ;斯波特5衛(wèi)星商業(yè)圖像分辨率將達(dá)2.5m[J];國際太空;1997年05期

7 宋其華;郭根生;;解析計(jì)算機(jī)圖像分辨率[J];中國電化教育;2003年11期

8 谷梗;;數(shù)字圖像分辨率定義與其計(jì)量方法——對“數(shù)字電影技術(shù)術(shù)語普及讀本”有關(guān)條目的商榷意見[J];現(xiàn)代電影技術(shù);2013年07期

9 ;教你詳細(xì)了解各種分辨率[J];計(jì)算機(jī)與網(wǎng)絡(luò);2011年24期

10 謝美華;王正明;;圖像分辨率增強(qiáng)的偏微分方程方法[J];遙感學(xué)報(bào);2005年06期

相關(guān)會議論文 前10條

1 楊德強(qiáng);蘇光大;徐天偉;;一種基于幻想臉的人臉圖像分辨率提升新技術(shù)[A];第二十七屆中國控制會議論文集[C];2008年

2 翟廣濤;;基于二進(jìn)小波變換的圖像分辨率增強(qiáng)算法[A];2003年中國智能自動化會議論文集（下冊）[C];2003年

3 任曉暉;龔勇清;;體全息存儲再現(xiàn)圖像分辨率實(shí)驗(yàn)研究[A];第十一屆全國光學(xué)測試學(xué)術(shù)討論會論文（摘要集）[C];2006年

4 陳樂;強(qiáng)天鵬;章有為;;小徑管CR射線檢測圖像分辨率研究[A];2017遠(yuǎn)東無損檢測新技術(shù)論壇論文集[C];2017年

5 趙源萌;鄧朝;張馨;張存林;;被動式人體太赫茲安檢成像的分辨率增強(qiáng)算法研究[A];中國光學(xué)學(xué)會2011年學(xué)術(shù)大會摘要集[C];2011年

6 張?jiān)骆?仇曉蘭;丁赤飚;雷斌;付琨;;高分辨率SAR圖像橋梁目標(biāo)仿真與特性分析[A];第三屆高分辨率對地觀測學(xué)術(shù)年會（地面系統(tǒng)與應(yīng)用技術(shù)分會）優(yōu)秀論文集[C];2014年

7 張龍;張翔;孟新秀;;基于圖像的艦船目標(biāo)識別技術(shù)研究[A];2019年全國公共安全通信學(xué)術(shù)研討會優(yōu)秀論文集[C];2019年

8 鄭虹;曾坤;郭迪;應(yīng)佳熙;楊鈺;彭璽;陳忠;屈小波;;基于梯度引導(dǎo)的邊緣增強(qiáng)多對比度腦部MRI圖像超分辨[A];2018第二十屆全國波譜學(xué)學(xué)術(shù)年會會議論文摘要集[C];2018年

9 吳明曉;張晶;;基于深度學(xué)習(xí)的頸動脈超聲圖像斑塊識別方法[A];中國醫(yī)學(xué)裝備大會暨2019醫(yī)學(xué)裝備展覽會論文匯編[C];2019年

10 蔡世學(xué);;最新研制的一種小型空載圖象雷達(dá)成果[A];第十三屆全國遙感技術(shù)學(xué)術(shù)交流會論文摘要集[C];2001年

相關(guān)重要報(bào)紙文章 前10條

1 記者 劉霞;迄今最詳細(xì)人腦圖像“出爐”[N];科技日報(bào);2019年

2 記者 劉海英;商用打印機(jī)印制出隱形圖像[N];科技日報(bào);2016年

3 尹長城 北京大學(xué)醫(yī)學(xué)部生物物理學(xué)系教授 分析中心電鏡室主任 中國生物物理學(xué)會冷凍電鏡分會副理事長 中國電子顯微學(xué)會低溫電鏡專業(yè)委員會主任;獲諾獎(jiǎng)的冷凍電鏡是何方“神器”？[N];北京科技報(bào);2017年

4 劉筱霞;陳永常;PHOTOSHOP中圖像分辨率的設(shè)置[N];中國包裝報(bào);2002年

5 WLF;細(xì)說分辨率[N];電腦報(bào);2003年

6 記者 曾遺榮邋通訊員 冷承秋 實(shí)習(xí)生 向哲林;美國一高科技公司將落戶武漢[N];湖北日報(bào);2007年

7 金鳳;無需眼鏡就能看 能聽還能“摸”的3D影像來了[N];科技日報(bào);2019年

8 燕蘭;先科電子：為品牌DVD正名[N];中國經(jīng)營報(bào);2000年

9 宋連黨;家庭VCD像冊大制作[N];中國電腦教育報(bào);2003年

10 ;第四代超級CCD的實(shí)力[N];計(jì)算機(jī)世界;2004年

相關(guān)博士學(xué)位論文 前10條

1 陳文斌;低劑量CT圖像偽影消除及細(xì)節(jié)保護(hù)算法研究[D];中北大學(xué);2019年

2 曹曉歡;基于機(jī)器學(xué)習(xí)的醫(yī)學(xué)圖像非線性配準(zhǔn)技術(shù)研究[D];西北工業(yè)大學(xué);2018年

3 樊春玲;數(shù)據(jù)驅(qū)動的圖像感知和質(zhì)量評價(jià)方法[D];中國科學(xué)院大學(xué)(中國科學(xué)院深圳先進(jìn)技術(shù)研究院);2019年

4 卞春江;光學(xué)遙感圖像有效區(qū)域在軌實(shí)時(shí)檢測與壓縮技術(shù)研究[D];哈爾濱工業(yè)大學(xué);2018年

5 牛仁杰;星載ATP圖像處理平臺關(guān)鍵技術(shù)研究[D];中國科學(xué)院大學(xué)(中國科學(xué)院光電技術(shù)研究所);2018年

6 穆楠;夜間場景下顯著目標(biāo)檢測方法研究[D];武漢科技大學(xué);2019年

7 張士杰;超像素級圖像組協(xié)同關(guān)聯(lián)性分析與研究[D];天津大學(xué);2017年

8 王文勝;寬幅光學(xué)遙感圖像艦船飛機(jī)目標(biāo)檢測識別技術(shù)研究[D];中國科學(xué)院大學(xué)(中國科學(xué)院長春光學(xué)精密機(jī)械與物理研究所);2018年

9 孫琨;圖像匹配與場景三維重建方法研究[D];華中科技大學(xué);2017年

10 霍麗娜;基于視覺感知與注意機(jī)制的圖像顯著目標(biāo)檢測[D];西安電子科技大學(xué);2016年

相關(guān)碩士學(xué)位論文 前10條

1 劉一賢;面向交通安全的去霧圖像清晰化技術(shù)研究[D];西南科技大學(xué);2018年

2 張荻;基于深度學(xué)習(xí)的SAR圖像艦船目標(biāo)識別方法研究[D];國防科技大學(xué);2017年

3 鞏文盼;太赫茲同軸全息再現(xiàn)圖像的U-NET及其復(fù)合分割算法研究[D];哈爾濱工業(yè)大學(xué);2019年

4 谷楓;圖像的聚類和檢測算法研究[D];國防科技大學(xué);2017年

5 孫海宇;基于回歸模型的相似圖像編碼算法[D];西安電子科技大學(xué);2019年

6 歐智潛;基于參考圖像合成的快速群體圖像編碼算法[D];西安電子科技大學(xué);2019年

7 唐義Z

本文編號：2670589