發(fā)布時(shí)間：2017-10-02 17:01

  本文關(guān)鍵詞：圖像邊緣檢測的研究及在不良圖像識別中的應(yīng)用

  更多相關(guān)文章： 邊緣檢測 多視圖聚類 梯度特征 稀疏編碼 像素曲率 不良圖像識別

【摘要】：圖像是人類相互交流和認(rèn)識客觀世界的主要媒體,是人們主要的信息源�？茖W(xué)研究表明,人們獲取的信息大約有80%來自于視覺圖像。圖像邊緣是圖像的基本特征,包含了圖像大量有意義的信息,是一種low-level(低層次)特征。圖像邊緣的實(shí)質(zhì)是利用算法提取圖像中有意義的圖像分割塊,是圖像處理的前提或基礎(chǔ),在過去的幾十年中一直是圖像處理中研究的熱點(diǎn)。圖像邊緣檢測的好壞,直接影響后期圖像處理的過程,因此準(zhǔn)確地找到圖像邊界與內(nèi)部輪廓在許多計(jì)算機(jī)任務(wù)(如圖像分割、目標(biāo)識別、場景理解等)中都具有深遠(yuǎn)的意義。由于視覺上比較突出的邊界與各種不同的視覺現(xiàn)象相關(guān),對于所有的圖像找到一個(gè)通用的邊緣檢測器不太可能,因此圖像邊緣檢測仍然是個(gè)富有挑戰(zhàn)的難題。隨著一些公開圖像庫使用的方便性,不同的方法被不斷被提出,如局部特征、全局特征、稀疏編碼等方法。使用局部特征的方法在圖像輪廓細(xì)節(jié)上存在不足,而稀疏編碼的方式提取圖像邊緣提高了檢測邊緣細(xì)節(jié)的能力,但是另一方面也使得檢測到的非邊界點(diǎn)增加。本課題中,我們提出了使用圖像局部特征與稀疏編碼相結(jié)合的方式訓(xùn)練模型,并增加圖像像素的空間和曲率信息的約束,保證檢測邊緣的準(zhǔn)確性和區(qū)域一致性,進(jìn)而提高圖像邊緣檢測的平均準(zhǔn)確率。實(shí)驗(yàn)結(jié)果表明,通過多視圖聚類算法得到的圖像邊緣,提高了邊緣準(zhǔn)確率且保證了邊緣的平滑性。在公開的數(shù)據(jù)庫上,和其它算法相比提出的算法達(dá)到了相當(dāng)?shù)摹Ｔ诒菊n題中我們也將提出的圖像邊緣檢算法應(yīng)用到不良圖像的識別中,并在收集的相關(guān)數(shù)據(jù)集上進(jìn)行的了大量的實(shí)驗(yàn),結(jié)果表明提出的算法在不良圖像的預(yù)處理方面,一定程度上能夠有效地去除圖像的背景,從而提高了不良圖像的識別率,從而也間接地表明了算法的實(shí)用性。
【關(guān)鍵詞】：邊緣檢測 多視圖聚類 梯度特征 稀疏編碼 像素曲率 不良圖像識別
【學(xué)位授予單位】：南京航空航天大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP391.41
【目錄】：

• 摘要4-5
• ABSTRACT5-11
• 注釋表11-12
• 縮略詞12-13
• 第一章 緒論13-24
• 1.1 研究背景13-14
• 1.2 研究意義14-18
• 1.2.1 圖像分割15
• 1.2.2 圖像模式識別15-16
• 1.2.3 圖像檢索16
• 1.2.4 場景分析16-17
• 1.2.5 場景理解17
• 1.2.6 醫(yī)療診斷17
• 1.2.7 車牌識別17-18
• 1.3 國內(nèi)外研究狀況18-21
• 1.3.1 圖像邊緣檢測18-20
• 1.3.2 不良圖像識別20-21
• 1.4 本文主要研究工作21-23
• 1.5 本文的內(nèi)容安排23-24
• 第二章 圖像邊緣檢測算法理論及其概述24-42
• 2.1 背景介紹24-25
• 2.2 圖像梯度25
• 2.3 邊緣檢測準(zhǔn)則與過程25-26
• 2.3.1 邊緣檢測準(zhǔn)則26
• 2.3.2 邊緣檢測基本步驟26
• 2.4 早期的幾種圖像邊緣檢測算子26-36
• 2.4.1 Roberts算子26-27
• 2.4.2 Sobel算子27-28
• 2.4.3 Prewitt算子28-30
• 2.4.4 Kirsch算子30
• 2.4.5 Laplace算子和LOG算子30-33
• 2.4.6 Canny算子33-36
• 2.5 基于數(shù)學(xué)形態(tài)學(xué)的邊緣檢測36-38
• 2.5.1 數(shù)學(xué)形態(tài)學(xué)基本準(zhǔn)則37
• 2.5.2 基于形態(tài)學(xué)的邊緣檢測過程37-38
• 2.6 基于圖論的邊緣檢測38-40
• 2.6.1 Ncuts算法39
• 2.6.2 邊緣檢測過程39-40
• 2.7 多尺度多通道特征圖像邊緣檢測40-41
• 2.8 本章小結(jié)41-42
• 第三章 基于多視圖聚類的圖像邊緣檢測42-56
• 3.1 算法流程43
• 3.2 圖像局部特征提取43-44
• 3.2.1 梯度特征43
• 3.2.2 稀疏編碼特征43-44
• 3.3 構(gòu)建權(quán)重圖獲取特征向量描述子44-45
• 3.4 像素曲率與空間信息45
• 3.5 基于多視圖聚類的邊緣檢測45-48
• 3.5.1 多視圖聚類算法介紹45-46
• 3.5.2 Multi-view Kmeans聚類算法46-47
• 3.5.3 算法優(yōu)化47
• 3.5.4 多視圖聚類算法時(shí)間復(fù)雜度47-48
• 3.6 實(shí)驗(yàn)48-54
• 3.6.1 數(shù)據(jù)庫與算法評估標(biāo)準(zhǔn)48-49
• 3.6.2 模型參數(shù)設(shè)置49
• 3.6.3 算法比較與實(shí)驗(yàn)結(jié)果49-54
• 3.6.3.1 BSDS500數(shù)據(jù)庫49-52
• 3.6.3.2 NYU Depth數(shù)據(jù)庫52-54
• 3.7 算法時(shí)間復(fù)雜度分析54-55
• 3.8 本章小結(jié)55-56
• 第四章 圖像邊緣檢測在不良圖像中的應(yīng)用56-70
• 4.1 不良圖像識別介紹56-57
• 4.2 基于圖像邊緣檢測的不良圖像識別57-62
• 4.2.1 相關(guān)工作57
• 4.2.2 圖像預(yù)處理過程57-60
• 4.2.3 特征提取60-62
• 4.2.4 分類器的選擇62
• 4.3 實(shí)驗(yàn)結(jié)果62-68
• 4.3.1 數(shù)據(jù)庫介紹及實(shí)驗(yàn)設(shè)置62-63
• 4.3.1.1 數(shù)據(jù)庫62-63
• 4.3.1.2 實(shí)驗(yàn)設(shè)置63
• 4.3.2 實(shí)驗(yàn)結(jié)果對比63-64
• 4.3.3 分類器的選擇（基于邊緣檢測預(yù)處理的分類器選擇對結(jié)果的影響）64-66
• 4.3.4 特征的選擇（基于圖像預(yù)處理的特征選擇對結(jié)果的影響）66-68
• 4.4 本章小結(jié)68-70
• 第五章 總結(jié)與展望70-73
• 5.1 圖像邊緣檢測70-71
• 5.1.1 工作總結(jié)70
• 5.1.2 未來展望70-71
• 5.2 不良圖像識別71-73
• 5.2.1 工作總結(jié)71-72
• 5.2.2 未來展望72-73
• 參考文獻(xiàn)73-80
• 致謝80-81
• 在學(xué)期間的研究成果及發(fā)表的學(xué)術(shù)論文81

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 王宇生,卜佳俊,陳純;一種基于積分變換的邊緣檢測算法[J];中國圖象圖形學(xué)報(bào);2002年02期

2 顧曉東,王曉明,劉健;基于曲線坐標(biāo)系的圖像邊緣檢測[J];計(jì)算機(jī)工程與應(yīng)用;2002年03期

3 何仁貴,黃登山,陳金兵;基于灰色預(yù)測模型的圖像邊緣檢測[J];西北工業(yè)大學(xué)學(xué)報(bào);2005年01期

4 鄭勝,柳健,田金文;基于向量機(jī)的邊緣檢測算法優(yōu)化研究[J];電子與信息學(xué)報(bào);2005年05期

5 王娜,李霞;一種新的改進(jìn)Canny邊緣檢測算法[J];深圳大學(xué)學(xué)報(bào);2005年02期

6 王文豪;;圖象邊緣檢測中邊界閉合性的分析與探討[J];計(jì)算機(jī)與信息技術(shù);2005年12期

7 劉軍;姚子建;;用邊緣檢測算子實(shí)現(xiàn)圖像邊緣檢測[J];福建電腦;2006年02期

8 李葆青;文山;;邊緣檢測準(zhǔn)則與幾種典型算法[J];六盤水師范高等�？茖W(xué)校學(xué)報(bào);2006年03期

9 鄭子華;陳家禎;鐘躍康;;基于灰色加權(quán)絕對關(guān)聯(lián)度的邊緣檢測算法[J];電腦知識與技術(shù);2006年20期

10 黃玉程;胡國清;吳雄英;劉文艷;;人臉圖像邊緣檢測的方法研究和應(yīng)用[J];計(jì)算機(jī)工程;2006年18期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 王巖;勒中鑫;;邊緣檢測中幾種方法的比較[A];1998年中國智能自動化學(xué)術(shù)會議論文集（下冊）[C];1998年

2 孟偉;王秀澤;張巖;;離散Canny邊緣檢測算法的實(shí)現(xiàn)[A];走近CIE 26th——中國照明學(xué)會（2005）學(xué)術(shù)年會論文集[C];2005年

3 周勝靈;丁珠玉;;農(nóng)產(chǎn)品邊緣檢測系統(tǒng)研究[A];中國農(nóng)業(yè)工程學(xué)會2011年學(xué)術(shù)年會論文集[C];2011年

4 任獲榮;楊夏穎;何培培;孫建維;高敏;;邊緣檢測技術(shù)發(fā)展現(xiàn)狀及其在零件識別中的應(yīng)用綜述[A];第三屆數(shù)控機(jī)床與自動化技術(shù)專家論壇論文集[C];2012年

5 王巖;勒中鑫;;幾種邊緣檢測方法及其比較[A];中國圖象圖形科學(xué)技術(shù)新進(jìn)展——第九屆全國圖象圖形科技大會論文集[C];1998年

6 葉樂軍;王強(qiáng);;基于自適應(yīng)邊緣檢測的大空間火災(zāi)目標(biāo)監(jiān)測技術(shù)[A];中國職業(yè)安全健康協(xié)會2007年學(xué)術(shù)年會論文集[C];2007年

7 沈亮;潘德爐;王迪峰;;機(jī)載多通道掃描儀圖像的邊緣檢測初步研究[A];2008中國儀器儀表與測控技術(shù)進(jìn)展大會論文集（Ⅰ）[C];2008年

8 李文輝;郭寧寧;郝鑫;;優(yōu)化邊緣檢測的分析和解決方案[A];“加入WTO和科學(xué)技術(shù)與吉林經(jīng)濟(jì)發(fā)展——機(jī)遇·挑戰(zhàn)·責(zé)任”吉林省第二屆科學(xué)技術(shù)學(xué)術(shù)年會論文集（上）[C];2002年

9 王培珍;孟祥昊;張克;鄭詩程;潘瑞雪;;板材圖像邊緣檢測算法研究[A];第25屆中國控制與決策會議論文集[C];2013年

10 王海嵐;樊紹勝;;一種改進(jìn)的模糊形態(tài)學(xué)邊緣檢測算法[A];中國自動化學(xué)會中南六�。▍^(qū)）2010年第28屆年會·論文集[C];2010年

中國重要報(bào)紙全文數(shù)據(jù)庫 前1條

1 鳴人;Photoshop CS5:三大功能再進(jìn)化[N];中國攝影報(bào);2010年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 磨少清;邊緣檢測及其評價(jià)方法的研究[D];天津大學(xué);2011年

2 董鴻燕;邊緣檢測的若干技術(shù)研究[D];國防科學(xué)技術(shù)大學(xué);2008年

3 王媛妮;順序形態(tài)邊緣檢測及分水嶺圖像分割研究[D];武漢大學(xué);2010年

4 遲健男;圖像形態(tài)學(xué)和小波分析在圖像增強(qiáng)與邊緣檢測中的應(yīng)用[D];東北大學(xué);2005年

5 李杏梅;Contourlet變換在圖像去噪與邊緣檢測中的應(yīng)用研究[D];華中科技大學(xué);2011年

6 丁興號;基于小波分析的視覺檢測技術(shù)研究[D];合肥工業(yè)大學(xué);2003年

7 閆海霞;基于數(shù)學(xué)形態(tài)學(xué)的圖像邊緣檢測和增強(qiáng)算法的研究[D];吉林大學(xué);2009年

8 謝松法;模式特征的提取與應(yīng)用研究[D];華中科技大學(xué);2007年

9 吳慶崗;復(fù)雜背景輸電線圖像中部件邊緣提取算法研究[D];大連海事大學(xué);2012年

10 Ali Abdullah Yahya;[D];合肥工業(yè)大學(xué);2014年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 林江;基于邊緣檢測和馬爾可夫隨機(jī)場的AD癥腦MRI分割方法研究[D];西南交通大學(xué);2015年

2 呂威駿;基于分?jǐn)?shù)階傅里葉變換和多尺度跟蹤的邊緣檢測算法[D];鄭州大學(xué);2015年

3 亓?xí)酝?基于攝影測量的板類件孔位檢測方法研究[D];中國地質(zhì)大學(xué)(北京);2015年

4 李志;基于視頻的軌檢定位技術(shù)研究[D];西南交通大學(xué);2015年

5 王芮;基于多窗口的蟻群圖像邊緣檢測及并行算法[D];南京師范大學(xué);2015年

6 韓璐;改進(jìn)的基于多尺度多方向結(jié)構(gòu)元素和形態(tài)學(xué)的邊緣檢測算法[D];山東大學(xué);2015年

7 郭峰;基于Mumford-Shah模型的圖像邊緣檢測算法[D];華北電力大學(xué);2015年

8 陳美榮;基于N-Smoothlets的圖像處理關(guān)鍵技術(shù)研究[D];電子科技大學(xué);2015年

9 喬建強(qiáng);火焰圖像邊緣檢測及修復(fù)算法的研究[D];華北電力大學(xué);2015年

10 楊艷爽;行車安全預(yù)警系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D];中國科學(xué)院研究生院（沈陽計(jì)算技術(shù)研究所）;2015年

，

本文編號：960744