在圖像分割過程中,通常一幅圖像會被分成前景（目標(biāo)區(qū)域）和背景（非目標(biāo)區(qū)域）兩部分,對圖像分割所得的目標(biāo)區(qū)域進行特征提取和分析有助于我們對圖像所表示的物體的本質(zhì)有更好地認(rèn)識并提供相應(yīng)的行為方案.本文針對傳統(tǒng)的總變分（Total Variation,TV）圖像前后景分割模型在分割過程中易產(chǎn)生階梯效應(yīng)和丟失圖像細(xì)節(jié)信息而導(dǎo)致分割得到的圖像質(zhì)量下降的問題,提出了總廣義變分（Total Generalized Variation,TGV）圖像前后景分割模型.然后采用交互約束對分割進行指導(dǎo),得到更加準(zhǔn)確的目標(biāo)前景.主要研究工作如下:1.針對傳統(tǒng)TV圖像前后景分割模型在分割過程中易導(dǎo)致階梯效應(yīng)的缺陷,提出了TGV圖像前后景分割模型.新模型融合TV分割模型的數(shù)據(jù)項和TGV正則項,可充分發(fā)揮TGV能逼近任意階多項式函數(shù)的優(yōu)勢,保護了圖像的紋理和細(xì)節(jié)等重要結(jié)構(gòu)信息.為進一步提升圖像分割的質(zhì)量,在TGV中引入邊緣檢測算子,提出了自適應(yīng)TGV前后景分割模型,用于自適應(yīng)區(qū)分圖像的邊緣和平滑區(qū)域.自適應(yīng)TGV模型能在圖像的邊緣區(qū)域減弱擴散,較好地保護圖像的邊緣特征;在圖像的平滑區(qū)域增強擴散,有效地消除噪聲和抑制階... 

【文章來源】：武漢理工大學(xué)湖北省 211工程院校 教育部直屬院校

【文章頁數(shù)】：53 頁

【學(xué)位級別】：碩士

【部分圖文】：

實驗圖像

35果圖與TGV模型相比較,分割出的鞋子的底部邊緣更加清晰.比較而言,通過標(biāo)記矩形框進行交互約束的ICTGV模型,對于背景復(fù)雜或者前景與背景特征相似的圖像有較好的分割效果.IGTGV模型可以較好地去除這類圖像背景中被誤分割的部分,同時可以使分割得到的前景更加完整.如圖像Flower中,ICTGV模型不僅剔除了ATGV模型被誤分割成背景的部分,而且對前景花朵的花心部分有更加完整的分割.再如圖像Sponge和圖像Stone,ICTGV模型得到的分割結(jié)果圖有更加完整的前景.(a)畫框圖像(b)TV(c)TGV(d)ATGV(E)ICTGV圖4-2不同模型分割效果比較

35果圖與TGV模型相比較,分割出的鞋子的底部邊緣更加清晰.比較而言,通過標(biāo)記矩形框進行交互約束的ICTGV模型,對于背景復(fù)雜或者前景與背景特征相似的圖像有較好的分割效果.IGTGV模型可以較好地去除這類圖像背景中被誤分割的部分,同時可以使分割得到的前景更加完整.如圖像Flower中,ICTGV模型不僅剔除了ATGV模型被誤分割成背景的部分,而且對前景花朵的花心部分有更加完整的分割.再如圖像Sponge和圖像Stone,ICTGV模型得到的分割結(jié)果圖有更加完整的前景.(a)畫框圖像(b)TV(c)TGV(d)ATGV(E)ICTGV圖4-2不同模型分割效果比較

【參考文獻】：
期刊論文
[1]二階總廣義變分圖像修復(fù)模型及其算法[J]. 許建樓,馮象初,郝巖.  西安電子科技大學(xué)學(xué)報. 2012(05)
[2]聚類算法研究[J]. 孫吉貴,劉杰,趙連宇.  軟件學(xué)報. 2008(01)

博士論文
[1]圖像分割的變分模型及數(shù)值實現(xiàn)[D]. 吳永飛.重慶大學(xué) 2016



本文編號：3233100