隨著科技的進(jìn)步和人民生活水平的提高,復(fù)雜場(chǎng)景渲染效果圖在家居、建筑設(shè)計(jì)等領(lǐng)域中的應(yīng)用越來越廣泛。視覺增強(qiáng)處理效果圖像時(shí),如果直接整體增強(qiáng)含有光照高亮區(qū)域的效果圖像,容易導(dǎo)致該區(qū)域曝光過度。因此需要將光照高亮區(qū)域劃分出來與其他區(qū)域分別進(jìn)行增強(qiáng)處理,但手動(dòng)處理既耗時(shí)又費(fèi)力。本文研究并開發(fā)了效果圖像光照高亮區(qū)域分割軟件,該軟件可自動(dòng)分割出效果圖中光照高亮區(qū)域,本文主要研究?jī)?nèi)容及成果包括:（1）本文基于SLIC（Simple Linear Iterative Clustering）算法,設(shè)計(jì)了超像素方法自動(dòng)分割效果圖像光照高亮區(qū)域,設(shè)計(jì)了可以自動(dòng)確定超像素?cái)?shù)目的有偏聚類方法,實(shí)現(xiàn)了光照高亮區(qū)域自動(dòng)化分割。（2）本文基于模糊C-均值聚類算法,設(shè)計(jì)了包含亮度、色彩和距離參數(shù)的模糊聚類目標(biāo)函數(shù),提高了亮度值在聚類中的權(quán)重,提高了效果圖光照高亮區(qū)域分割的邊緣貼合度;將該聚類方法與超像素有偏聚類方法結(jié)合產(chǎn)生的分割方法能夠提升分割后效果圖像光照高亮區(qū)域的輸出效果。（3）本文設(shè)計(jì)了適用于效果圖像光照高亮區(qū)域分割的評(píng)價(jià)標(biāo)準(zhǔn),對(duì)比了本文分割方法與SLIC方法以及傳統(tǒng)的超像素方法分割光照高亮區(qū)域的實(shí)驗(yàn)結(jié)果,將該分... 

【文章來源】：東南大學(xué)江蘇省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：77 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

效果圖像光照高亮區(qū)域的示意圖

?鄭?蛘咚?交蛘嘰怪保?緩蠹絳??址指詈蟮耐枷瘢???這一過程，直至所有的超像素分割完畢。選擇分割路線的條件要保證每一個(gè)垂直劃分和水平劃分的條帶只能夠交叉一次，劃分的方向相同的條帶不能交叉，相鄰的條帶邊緣必須重疊以保證不會(huì)丟失圖像的邊界。因此，為了防止出現(xiàn)相同方向的條帶發(fā)生交叉的現(xiàn)象，在每一次循環(huán)中都要重新確定新的像素的權(quán)重。另外每個(gè)條帶中間要增加一個(gè)窄帶來防止條帶過窄分割。搜索條帶的分割路線的方法有兩種：一種是s-t最小的分割方法，在分割路線的選擇上具有隨意性，具有可以返回的性質(zhì)，如圖2-2（a）所示；另一種是動(dòng)態(tài)的規(guī)劃方法，這種分割路線的選擇具有唯一性的特征，如圖2-2（b）所示。圖2-2劃分最優(yōu)條帶的路線估計(jì)由上述分析可知，SuperpixelLattices方法比前面講到的沒有網(wǎng)格的劃分方法有了一定的進(jìn)步，加入網(wǎng)格的劃分可以使劃分的形狀更加規(guī)整，不容易出現(xiàn)過度分割和欠分割的問題，從而保證了分割的精度。但是為了滿足上述的分割效果，增加了程序的運(yùn)算量，拖慢了程序的進(jìn)程，導(dǎo)致運(yùn)行的時(shí)間比較長(zhǎng)。針對(duì)這一問題，后面在此基礎(chǔ)上提出的無監(jiān)督的Lattice-cut（LC）方法，首先進(jìn)行均勻的網(wǎng)格分割，然后利用馬氏隨機(jī)場(chǎng)模型來更新邊界值。這樣提高了運(yùn)算的效率，也使劃分區(qū)域的邊界和內(nèi)容一致。

取了高斯地形圖的分層結(jié)構(gòu)的思想，在當(dāng)時(shí)具有很大的創(chuàng)新。地形圖由海拔高度來進(jìn)行分層，Watershed方法利用像素的灰度值來模擬海拔高度。在劃分超像素的過程中，找到每一個(gè)局部區(qū)域內(nèi)像素點(diǎn)的灰度的極小值點(diǎn)，其周邊的類似的區(qū)域則是集水區(qū)，集水區(qū)的邊界形成閉合的分水嶺。傳統(tǒng)的Watershed方法可以通過模擬并應(yīng)用浸沒的方法來描述。想象一個(gè)盆狀的模型，即積水盆地，在極小值處打一個(gè)洞，然后把模型浸泡在水中向下壓，隨著浸入水下的部位擴(kuò)張，極小值周圍的水面也隨之?dāng)U大，兩個(gè)集水區(qū)的中間有一塊隔離的區(qū)域，即分水嶺，如圖2-5所示。圖2-5傳統(tǒng)的分水嶺分割方法示意圖

【參考文獻(xiàn)】：
期刊論文
[1]變電站設(shè)備紅外檢測(cè)圖像分割及故障診斷技術(shù)研究[J]. 楊照光,張忠元,溫定筠,朱曦,李想,魏冶.  科技通報(bào). 2019(03)
[2]基于直覺模糊C均值聚類算法的作物病害圖像分割[J]. 張晴晴,張?jiān)讫?齊國(guó)紅,李瑤.  安徽農(nóng)業(yè)科學(xué). 2019(05)
[3]基于FCM-SVM的生豬紅外熱圖像自動(dòng)分割方法[J]. 陳松楠,朱艷平,杜永強(qiáng).  江蘇農(nóng)業(yè)科學(xué). 2018(19)
[4]基于三維視覺的室內(nèi)景觀虛擬設(shè)計(jì)方法研究[J]. 靳鴿.  現(xiàn)代電子技術(shù). 2017(24)
[5]超像素有偏觀測(cè)模糊聚類的乳腺超聲圖像分割[J]. 孟爽,王輝,謝蓄芬,鄒念育,李博文,曹帆.  中國(guó)醫(yī)學(xué)物理學(xué)雜志. 2017(07)
[6]基于SLIC方法的光照偏強(qiáng)農(nóng)田圖像分割研究[J]. 陳曉倩,唐晶磊,王棟.  計(jì)算機(jī)工程與應(yīng)用. 2018(02)
[7]自然場(chǎng)景下船舶水線提取算法的研究[J]. 宋濤,吳海,侯培國(guó),李雅倩,李海濱,陳琛.  光學(xué)技術(shù). 2017(01)
[8]sobel算子與prewitt算子分析與研究[J]. 王月新,劉明君.  計(jì)算機(jī)與數(shù)字工程. 2016(10)
[9]自然場(chǎng)景下花椒果實(shí)的識(shí)別[J]. 萬(wàn)芳新,白明昌,賀志洋,黃曉鵬.  中國(guó)農(nóng)機(jī)化學(xué)報(bào). 2016(10)
[10]一種改進(jìn)的Canny邊緣檢測(cè)方法[J]. 李俊峰.  計(jì)算機(jī)時(shí)代. 2016(09)



本文編號(hào)：3049383