版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)
文檔簡介
1、人類大部分信息來源于視覺,對圖像進行處理是人類理解分析信息的重要手段。在對圖像進行高層次的處理(如:圖像識別、圖像匹配等)之前,有必要對圖像進行中低層次的處理操作,從而提高圖像質(zhì)量,有利于進行圖像的后續(xù)處理。本文主要研究了圖像處理中三個方面的內(nèi)容,分別是圖像增強、圖像去噪和圖像分割。對于這三個方面的研究現(xiàn)狀本文均做了簡單介紹,并詳細介紹了與本文研究工作密切相關(guān)的某些具體圖像處理算法。
在圖像增強方面本文不僅針對已有的圖像增
2、強算法提出了新的改進算法,也提出了與傳統(tǒng)方法完全不同的增強算法。而在圖像去噪與圖像分割這兩方面,本文則都研究了目前的熱點問題:即基于偏微分方程的圖像處理方法。此類方法在現(xiàn)階段因其突出的處理效果受到了越來越多人的關(guān)注和研究,在對此類方法進行深入研究與分析的基礎(chǔ)上,本文提出了性能更優(yōu)越、處理效果更佳的圖像處理算法。在研究過程中,本文還使用了多種成熟的數(shù)學(xué)工具,如:小波變換與微偏分方程。
本文主要在上述三個圖像處理領(lǐng)域中,進行了
3、以下四個方面的工作:
(一)研究了以小波變換為工具的空間域圖像增強算法
針對傳統(tǒng)全局直方圖均衡的圖像增強算法中統(tǒng)計量存在的問題,定義了兩種新的用于圖像增強的統(tǒng)計量。這兩種新的統(tǒng)計量均是以小波變換為工具統(tǒng)計圖像中的有效信息,其中一種統(tǒng)計量還對圖像的噪聲信息進行了單獨統(tǒng)計,最終將得到的兩種統(tǒng)計量用于對圖像的增強處理。
(二)將靜電場中的彈簧振子模型成功地應(yīng)用于圖像增強
已有的空間域圖像
4、增強算法存在自身無法解決的問題:即圖像增強受限于原有圖像灰度級空間的大小。針對該問題,本文將靜電場中的彈簧振子模型引入到圖像增強問題中,建立兩者之間的聯(lián)系,根據(jù)圖像增強的要求和圖像自身的約束條件,求解出模型中的各參數(shù),并將最終得到的模型用于對圖像的增強處理。
(三)提出了一種自適應(yīng)全變分圖像去噪算法
通過深入研究目前基于偏微分方程的圖像去噪算法,本文對其中具有代表性的全變分圖像去噪算法進行了改進。改進工作主要
5、體現(xiàn)在以下兩個方面:1、算法的自適應(yīng)性,原有全變分圖像去噪算法如要取得好的去除噪聲效果,必須已知圖像的噪聲方差,本文通過對原算法模型的修改,使得在未知圖像噪聲方差的情況下同樣具有十分顯著的去除噪聲效果;2、本文提出的算法具有更突出的去除噪聲效果,抑制了原全變分算法處理結(jié)果中經(jīng)常出現(xiàn)的“階梯效應(yīng)”,使圖像在去除噪聲的同時,也可獲得更好的圖像質(zhì)量。
(四)提出了一種基于活動輪廓模型的自適應(yīng)圖像分割算法
通過深入研
6、究目前基于活動輪廓模型的圖像分割算法,本文針對其中基于區(qū)域的活動輪廓模型提出了一種新的自適應(yīng)圖像分割算法。該算法主要有以下兩個特點:1、在算法的“能量泛函”中同時包含全局信息和局部信息,這是通過在算法中自適應(yīng)選取局部范圍大小實現(xiàn)的;2、對“能量泛函”中與曲線演化有關(guān)的能量項系數(shù)進行相對大小的自適應(yīng)調(diào)整,從而能夠準確地分割出圖像中的弱邊界。最終將新算法運用于對圖像的分割處理,相對于傳統(tǒng)經(jīng)典算法有著十分優(yōu)越的分割效果。
在本文
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 同時保持邊緣信息的圖像去噪新方法
- 基于統(tǒng)計分析的圖像去模糊與圖像去噪新方法研究.pdf
- 兩類圖像去噪模型的若干數(shù)值新方法研究.pdf
- 基于EMD的信號去噪新方法探討.pdf
- 外文翻譯--同時保持邊緣信息的圖像去噪新方法
- 醫(yī)學(xué)超聲圖像分割新方法的研究.pdf
- 基于非局部方法的圖像分割與圖像去噪研究.pdf
- 全景視覺圖像去噪與增強方法的研究.pdf
- 圖像濾波與分割的新方法及其應(yīng)用研究.pdf
- 圖像去噪與圖像分割中的數(shù)學(xué)方法.pdf
- 超聲圖像乳腺腫瘤分割新方法研究.pdf
- 醫(yī)學(xué)超聲圖像分割新方法的研究及應(yīng)用.pdf
- 腦組織磁共振圖像分割的新方法.pdf
- 基于Snake模型的細胞圖像分割新方法研究.pdf
- 外文翻譯中英文:同時保持邊緣信息的圖像去噪新方法
- 圖像增強與去噪方法研究及其在磁共振圖像中的應(yīng)用.pdf
- SAR圖像去噪、分割及目標(biāo)檢測方法研究.pdf
- SAR圖像去噪與分割算法的研究.pdf
- SAR圖像去噪及分割.pdf
- 圖像閾值分割及去噪的實現(xiàn)
評論
0/150
提交評論