發(fā)布時間：2017-10-14 00:03

  本文關(guān)鍵詞：基于超像素的圖像分割技術(shù)研究

  更多相關(guān)文章： 圖像分割 超像素 分層分割 區(qū)域合并 PCB CT圖像 過孔分割

【摘要】：圖像分割是圖像處理技術(shù)中的一個核心領(lǐng)域,由于圖像分割的質(zhì)量往往直接決定了后續(xù)圖像分析、理解等任務(wù)的成敗,因此圖像分割技術(shù)的研究具有重要的意義。超像素(Superpixel)分割是近年來興起的一種圖像預(yù)處理(Pre-processing)技術(shù),它將圖像快速劃分為一定數(shù)量的具有部分語義意義的子區(qū)域,相比于傳統(tǒng)的處理基元——像素,超像素有利于提取圖像的局部結(jié)構(gòu)特征,能夠大幅度減小后續(xù)處理的計算復(fù)雜度,出現(xiàn)以來即在計算機視覺領(lǐng)域得到了廣泛的應(yīng)用,成為當(dāng)前圖像處理技術(shù)中的一個研究熱點。當(dāng)超像素數(shù)量較少時,現(xiàn)有的超像素分割算法普遍存在分割質(zhì)量較差的局限性,然而,利用超像素改進傳統(tǒng)的區(qū)域合并等分割算法時,超像素數(shù)量越少,后續(xù)分割的計算復(fù)雜度越小,因此研究提高超像素數(shù)量較少時的超像素分割質(zhì)量有著直接的應(yīng)用價值。在印刷電路板(Printed Circuit Board,PCB)的無損檢測中,基于PCB CT(Computed Tomography)圖像的過孔(Via Hole)精確分割是后續(xù)焊點質(zhì)量檢測、電路原理分析等處理的必要步驟,但PCB CT圖像存在的噪聲大、目標(biāo)和背景對比度低等特點對分割造成了不小的困難,借助超像素具有的抗噪和圖像局部特征表達能力,有助于實現(xiàn)PCB CT圖像的過孔精確分割。本文針對超像素分割算法存在的局限性和PCB CT圖像的過孔分割問題進行研究,主要成果包括:1.分析總結(jié)了超像素分割算法的基本思想和性能特點,梳理了主流的超像素分割質(zhì)量評價、緊密度評價和算法可控性評價方法。在此基礎(chǔ)上,給出了16種超像素分割算法的分割結(jié)果和算法可控性總結(jié)。定量比較了6種典型算法的分割性能,分析了目前超像素分割算法存在的局限性,得出了超像素分割質(zhì)量、緊密度與超像素數(shù)量間的相互關(guān)系。2.針對現(xiàn)有超像素分割算法在超像素數(shù)量較少時分割質(zhì)量差的局限性,提出了一種分層超像素分割模型,采用粗-精結(jié)合分割的分層分割思想,利用圖像局部結(jié)構(gòu)特征調(diào)整超像素分布密度,在保持與主流超像素分割算法同等分割質(zhì)量的前提下,大幅度減少了冗余超像素。在此基礎(chǔ)上,針對MSRM(Maximal Similarity Based Region Merging)算法合并時間過長的問題,提出了一種基于分層超像素的區(qū)域合并分割算法,在超像素分割、用戶交互、特征提取與相似性度量等多方面進行了改進。實驗表明,與MSRM算法相比,本文算法在保持同等分割質(zhì)量時合并時間縮短了約50%;與Grabcut等主流圖像分割算法相比,本文算法的分割質(zhì)量更好。3.針對PCB CT圖像中的過孔精確分割問題,提出了一種基于超像素的PCB CT圖像過孔自動分割算法。分析了7種典型的分割算法對PCB CT圖像分割結(jié)果不佳的原因,引入超像素作為分割基元,研究比較了10種超像素分割算法對PCB CT圖像的分割性能,選擇ERS(Entropy Rate Superpixel)算法對PCB CT圖像進行超像素分割。在此基礎(chǔ)上,結(jié)合超像素表達出的過孔形狀特征,基于圓度率設(shè)計了一種超像素合并與篩選策略,利用區(qū)域合并的思想分割過孔目標(biāo)。實驗表明,與基于Hough變換圓檢測的分割算法相比,本文算法在分割準(zhǔn)確率和召回率指標(biāo)上都有一定程度的提高,特別是在過孔和背景存在灰度重疊的情況下,降低了出現(xiàn)錯誤分割的概率。
【關(guān)鍵詞】：圖像分割 超像素 分層分割 區(qū)域合并 PCB CT圖像 過孔分割
【學(xué)位授予單位】：解放軍信息工程大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：TP391.41
【目錄】：

• 摘要4-6
• Abstract6-13
• 第一章 緒論13-21
• 1.1 課題背景與意義13-14
• 1.2 圖像分割14-18
• 1.2.1 圖像分割方法14-15
• 1.2.2 圖像分割評價15-17
• 1.2.3 超像素分割17-18
• 1.3 研究內(nèi)容及結(jié)構(gòu)安排18-21
• 第二章 超像素分割算法21-37
• 2.1 超像素分割21-30
• 2.1.1 基于圖論的算法21-26
• 2.1.2 基于梯度上升的算法26-30
• 2.2 超像素評價30-33
• 2.2.1 分割質(zhì)量評價30-32
• 2.2.2 緊密度評價32-33
• 2.2.3 算法可控性評價33
• 2.3 算法性能比較及分析33-36
• 2.4 本章小結(jié)36-37
• 第三章 基于分層超像素的區(qū)域合并分割算法37-51
• 3.1 分層超像素分割37-44
• 3.1.1 現(xiàn)有方法的局限性37-39
• 3.1.2 分層超像素分割模型39-41
• 3.1.3 實驗結(jié)果及分析41-44
• 3.2 基于分層超像素的區(qū)域合并分割算法44-50
• 3.2.1 用戶交互44-45
• 3.2.2 特征提取與相似性度量45-46
• 3.2.3 合并準(zhǔn)則與停止條件46-48
• 3.2.4 實驗結(jié)果及分析48-50
• 3.3 本章小結(jié)50-51
• 第四章 基于超像素的PCB CT圖像過孔分割算法51-65
• 4.1 PCB CT圖像51-52
• 4.1.1 錐束CT成像51-52
• 4.1.2 PCB CT圖像52
• 4.2 典型算法的過孔分割結(jié)果52-55
• 4.3 基于超像素的PCB CT圖像過孔分割算法55-60
• 4.3.1 針對PCB CT圖像的超像素分割55-57
• 4.3.2 形狀特征的提取與描述57-58
• 4.3.3 超像素合并與篩選58-60
• 4.4 實驗結(jié)果及分析60-64
• 4.5 本章小結(jié)64-65
• 第五章 總結(jié)與展望65-67
• 致謝67-68
• 參考文獻68-74
• 作者簡歷74

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 高永強;喬宇;黃椺林;;局部二值描述子在圖像匹配中的應(yīng)用[J];網(wǎng)絡(luò)新媒體技術(shù);2014年02期

2 饒倩;文紅;喻文;毛祺琦;蘇偉偉;;超像素及其應(yīng)用綜述[J];電腦與信息技術(shù);2013年05期

3 裴玉東;周利莉;曾磊;閆鑌;;一種印刷電路板錐束CT圖像中過孔定位檢測方法[J];信息工程大學(xué)學(xué)報;2013年04期

4 薛維琴;周志勇;鄭健;張濤;;含先驗形狀的水平集血管分割方法[J];計算機輔助設(shè)計與圖形學(xué)學(xué)報;2013年08期

5 王春瑤;陳俊周;李煒;;超像素分割算法研究綜述[J];計算機應(yīng)用研究;2014年01期

6 劉毅;黃兵;孫懷江;夏德深;;利用視覺顯著性與圖割的圖像分割算法[J];計算機輔助設(shè)計與圖形學(xué)學(xué)報;2013年03期

7 周琳;沈建新;廖文和;王玉亮;;基于中心線提取的視網(wǎng)膜血管分割[J];生物醫(yī)學(xué)工程學(xué)雜志;2012年01期

8 韓守東;趙勇;陶文兵;桑農(nóng);;基于高斯超像素的快速Graph Cuts圖像分割方法[J];自動化學(xué)報;2011年01期

9 姚暢;陳后金;;病變視網(wǎng)膜圖像血管網(wǎng)絡(luò)的自動分割[J];電子學(xué)報;2010年05期

10 昌仁民;CT窗寬窗位的分析與應(yīng)用[J];CT理論與應(yīng)用研究;1995年03期

，

本文編號：1027826