圖像信息的精簡方法研究.pdf

1、隨著高速計算機和大規(guī)模集成電路的發(fā)展,數(shù)字圖像處理技術(shù)取得了一系列可喜的突破和進展,其成果被廣泛應(yīng)用于生物醫(yī)學(xué)工程、工業(yè)制造、空間探索、公共安全、文化藝術(shù)等眾多領(lǐng)域。然而,數(shù)字圖像處理技術(shù)本身依然存在許多問題,阻礙了它的進一步發(fā)展和推廣。其中,大數(shù)據(jù)量問題就是目前圖像處理技術(shù)面臨的一個主要難題。龐大的數(shù)據(jù)量給存儲、傳輸和處理都帶來巨大困難。為此,近幾十年來,科研人員針對圖像數(shù)據(jù)的精簡問題進行了大量研究,并提出了多種有益的解決方案,例如圖

2、像壓縮技術(shù)、圖像簡約量化技術(shù)及圖像感興趣區(qū)域檢測技術(shù)等。但時至今日圖像數(shù)據(jù)的精簡問題仍未得到圓滿解決。本論文在圖像簡約量化和圖像顯著區(qū)域檢測兩方面均做了一些新的探索,具體的工作如下:
　　首先,在圖像二值化方面,研究發(fā)現(xiàn)已有全局二值化算法無法確保在單閾值條件下保留圖像盡可能多的細節(jié)信息,導(dǎo)致算法的魯棒性及普適性較差。針對上述問題,本文提出了一種新的累計邊緣點灰度動態(tài)范圍直方圖,這種新型直方圖能判斷不同閾值選取所能保留重要躍變信息的

3、比例,因此當(dāng)閾值選取直方圖的峰值所對應(yīng)的灰度時,可以確保最大限度地保留圖像的重要細節(jié)信息。針對背景或光照條件復(fù)雜的圖像,本文在全局二值化算法基礎(chǔ)上,進一步提出了局部自適應(yīng)二值化算法。與其他同類算法(如Niblack算法)相比,本文提出的自適應(yīng)二值化算法在速度和抗噪兩方面均具有明顯優(yōu)勢。
　　其次,在圖像多級量化方面,研究發(fā)現(xiàn)已有的多級量化算法無法自適應(yīng)地確定合適的量化級數(shù),大多只能靠手動設(shè)置完成。針對上述問題,本文提出了累計邊緣點

4、逐級剔除策略的圖像多級量化算法。當(dāng)每一級閾值確定后,剔除該閾值所能區(qū)分的邊緣點,重新計算剩余的邊緣點的累計邊緣點灰度動態(tài)范圍直方圖,這樣可確保下一級閾值依然取到最佳閾值,當(dāng)累計剔除邊緣點總數(shù)與總邊緣點數(shù)之比達到給定值時閾值選取自動結(jié)束。與其他同類算法相比,這種逐級最佳閾值選取策略具有更強的魯棒性。實驗測試表明,本文算法不僅能自適應(yīng)地確定合適的量化級數(shù)且在量化級數(shù)相同的條件下更好的再現(xiàn)原始圖像。
　　最后,在圖像感興趣區(qū)域檢測方面,