自然背景下人造目標(biāo)檢測(cè)與識(shí)別的分形方法研究.pdf

1、自然背景下圖像分析在許多領(lǐng)域都有著重要的應(yīng)用。幾十年來(lái)，國(guó)內(nèi)外眾多學(xué)者和研究人員對(duì)復(fù)雜背景中的目標(biāo)檢測(cè)與識(shí)別進(jìn)行了深入的研究，發(fā)展了許多新的技術(shù)。分形就是其中一種，分形技術(shù)用于圖像處理主要基于兩點(diǎn)：一是自然背景在一定尺度范圍內(nèi)大都符合分形布朗運(yùn)動(dòng)模型；另一點(diǎn)是利用分形維作為圖像的主要參數(shù)來(lái)進(jìn)行分析。 本文系統(tǒng)地研究了分形技術(shù)在圖像邊緣檢測(cè)和圖像分割兩個(gè)方面的應(yīng)用，總結(jié)了相關(guān)方法的優(yōu)缺點(diǎn)，并在此基礎(chǔ)上進(jìn)行了改進(jìn)。為了解決傳統(tǒng)邊緣檢

2、測(cè)方法的不足，提出了一種基于分形誤差的檢測(cè)算法。首先將圖像數(shù)據(jù)由灰度空間轉(zhuǎn)換為分形特征空間——誤差空間，然后通過(guò)目標(biāo)與背景所體現(xiàn)出的不同分形模型差異來(lái)達(dá)到邊緣檢測(cè)的目的。分形誤差的值越高，相應(yīng)像素越不符合FBM模型，那么這個(gè)像素屬于邊緣部分的可能性就越大。試驗(yàn)結(jié)果表明，該算法具有抗噪聲、小目標(biāo)或多目標(biāo)檢測(cè)等優(yōu)點(diǎn)。 在研究傳統(tǒng)分割算法的基礎(chǔ)上提出了基于區(qū)域分形和分水嶺技術(shù)的圖像分割方法。與其他分割方法相比，具有良好的定位精度，能夠