變化檢測旨在分析兩幅不同時刻拍攝的同一地點圖像的不同之處。變化檢測在遙感，醫(yī)療診斷，視頻監(jiān)控，環(huán)境監(jiān)測等方面有重要應(yīng)用。變化檢測可以看作差異圖的分割問題。本文以變化檢測為核心，并對相關(guān)問題進行的研究。首先，提出一種模糊主動輪廓的方法，用于圖像分割。該方法將模糊邏輯引入傳統(tǒng)的主動輪廓方法當(dāng)中，并有效的合并了平滑先驗和正則兩項，從而獲得全局最優(yōu)的同時，獲得了更高的計算效率。其次，提出一種基于邊界預(yù)估的模糊C均值聚類方法用于合成孔徑雷達圖像的變化檢測。由于此類圖像的變化檢測存在噪聲大，邊界弱的特點，該方法首先對可能包含邊界的區(qū)域進行預(yù)估，從而在去除噪聲的同時，有效的保護了邊界。最后，針對以后半監(jiān)督圖像分割和變化檢測的應(yīng)用需求和趨勢，提出了一種形狀對齊的方法，該方法可用于需要對齊訓(xùn)練庫的基于形狀先驗的算法。該方法也是首次將有序集值函數(shù)引入計算機視覺問題當(dāng)中，定義了廣義相關(guān)函數(shù)。通過設(shè)計一種廣義相關(guān)函數(shù)的快速求解方法，本文提出的對齊方法具有極高的計算效率，特別適用于大型訓(xùn)練庫的對齊問題。大量的實驗證明了本文提出的三種方法具有優(yōu)越性。 

【文章來源】：西安電子科技大學(xué)陜西省 211工程院校 教育部直屬院校

【文章頁數(shù)】：75 頁

【學(xué)位級別】：碩士

【部分圖文】：

CV模型的局部最優(yōu)解

CV模型不同的初始化形狀導(dǎo)致算法失敗(a)獲成功(b)

RD模型中的正則項和長度約束項比較


本文編號：3580300