基于不可分辨關(guān)系的圖像分割與基于輪廓的圖像配準.pdf

1、圖像分割和圖像配準技術(shù)在許多研究領(lǐng)域中都有著廣泛的應用,是國內(nèi)外的熱點研究問題。圖像分割是完成圖像視覺分析和進行模式識別的前提,只有對圖像進行了準確性高的分割,才有可能實現(xiàn)高層次的圖像分析與圖像理解。圖像配準則既是圖像目標識別、三維重建的基礎(chǔ),又是圖像融合技術(shù)的關(guān)鍵,配準結(jié)果的優(yōu)劣直接影響后續(xù)融合的質(zhì)量。
　　 本文對圖像分割和圖像配準技術(shù)進行了研究,對其各自的方法做出了一些新的嘗試:研究了粒計算理論中的粗糙集模型,研究了粗糙集

2、理論在圖像分割中的應用,提出了一種基于不可分辨關(guān)系的圖像分割方法;研究了圖像配準的方法,提出了一種用本文定義的歸一化鄰域方差提取輪廓,然后在此基礎(chǔ)上找出輪廓配準參數(shù)的方法,既減少了計算量又快速實現(xiàn)了配準。
　　 論文的主要工作如下:
　　 1.提出了一種基于粗糙集理論的圖像分割方法:該方法首先利用粗糙集理論中的分類思想,選取像素灰度值、鄰域均值和新定義的歸一化鄰域方差值這三種圖像特征作為條件屬性,然后為待分割圖像建立一個

3、知識表達系統(tǒng),根據(jù)不可分辨關(guān)系將圖像中的像素劃分成不同的等價類,最后將這些等價類合成得到分割后的圖像。由于閾值的選取是合成等價類的關(guān)鍵,因此又提出了一種獲得最佳閾值的方法,該方法考慮了圖像噪聲的影響,利用思維進化算法(MEA)優(yōu)化閾值參數(shù),避免陷入局部最小值的同時又提高了運算速度。
　　 2.對于圖像分割,介紹了幾種具有代表意義的圖像分割方法,并將本文提出的方法與這幾種經(jīng)典方法作對比,驗證了本文方法的有效性。實驗結(jié)果表明:對于普

4、通圖像,分割后的圖像具有較好的均勻性,獲得目標的邊緣比較光滑、清晰,對噪聲的去除效果也比較明顯;對于醫(yī)學圖像,能夠較好地分割出肺組織,且支氣管斷裂的少,說明本文提出的圖像分割方法是一種行之有效的方法,具有較好的穩(wěn)定性和收斂速度,在實際中有一定的應用價值。
　　 3.本文以人腦醫(yī)學圖像為研究對象,將頭部視為剛體,利用剛體的輪廓不變性,提出了一種基于輪廓的圖像配準方法:該方法用本文提出的歸一化鄰域方差的概念提取輪廓,然后采用經(jīng)典力學