文档介绍：浙江理工大学
硕士学位论文
基于半监督聚类的织物图像分割算法研究
姓名:郝保明
申请学位级别:硕士
专业:信号与信息处理
指导教师:包晓敏
20090309
摘要图像分割是由图像处理到图像分析的关键步骤,在图像工程中占有非常重要的位置,并且己在计算机视觉、模式识别和医学图像处理等领域中得到了广泛的应用。织物图像的分割研究是图像分割领域中的一个热点。织物图像是一种机织物的扫描图,其分割方法与自然场景图像分割相比,有自己的特点。在对织物图像做分割处理时很大程度上取决于用户的设定,即它不要求图像的像素做非常精确的归类,只需要对经纱或纬纱上的像素进行大致的同一化归类即可。为了解决织物图像的分割问题,本文首先介绍了一些常用的图像分割算法,比较了它们的优缺点,给出了采用不同算法对织物图像进行分割的结果,对获得的结果进行讨论。然后,把半监督聚类算法和最小错误率贝叶斯决策理论相结合,提出了一种基于最小错误率贝叶斯决策的半监督聚类算法。该算法首先建立图像分割的最小错误率贝叶斯决策模型;其次从标签数据中估计出不同类别的初始参数,对图像中每一象素点计算对各个类别的后验概率,依据最小错误率贝叶斯决策理论对图像中的每一像素点进行类别判断,从而实现目标图像的提取;最后对区域边缘进行平滑处理,得到最终的分割结果。在贝叶斯决策过程中初始参数可以通过标签数据得到,避免了随机初始参数的盲目性和不确定性,使得聚类迭代陷入局部极值的可能性大大减小,也减少了迭代的次数,进而提高了分割的性能。对多幅织物图像进行对比分割实验,结果表明,该方法无须滤波就具有良好的抑制噪声的能力,是一种可行的织物灰度图像分割方法。最后,由于在众多的颜色空间中,丈ǹ占涑晒Φ啬D饬巳死嗟难丈泳跆卣鳌出于颜色视觉一致性的考虑,在丈ǹ占渲性擞醚丈ň嗬虢胁噬锿枷穹指睢为了减少运算量,提高分割效率,提出了一种基于半监督的颜色视觉聚类算法。该算法首先对彩色织物图像进行颜色空间转换,利用先验信息和颜色距离作为判断准则进行色彩聚类,然后进行区域合并,得到最终分割结果。实验表明基于半监督的颜色视觉聚类算法由于集成了先验信息,能得到满足给定限制的精确图像分割结果,在抗干扰、运算速度和分割稳定性等方面有明显的优势。关键词:图像分割;织物图像;半监督聚类;贝叶斯决策浙江理工大学硕士学位论文
..,籪,浙江理工大学硕士学位论文瑂、,,琧—,瑃,.,.甌瑆,..’
;甌琫琋—,籗猻;浙江理笱学位论文瑆...,,
学位论文作者签名:新例日期:年弓月矿日浙江理工大学学位论文原创性声明本人郑重声明:我恪守学术道德,崇尚严谨学风。所呈交的学位论文,是本人在导师的指导下,独立进行研究工作所取得的成果。除文中已明确注明和引用的内容外,本论文不包含任何其他个人或集体已经发表或撰写过的作品及成果的内容。论文为本人亲自撰写,我对所写的内容负责,并完全意识到本声明的法律结果由本人承担。
指导教师躲厶学位论文作者签名:前腮峭浙江理工大学学位论文版权使用授权书日期:≯呷年多月,日期:弘吃叩年吕〦学位论文作者完全了解学校有关保留、使用学位论文的规定,同意学校保留并向国家有关部门或机构送交论文的复印件和电子版,允许论文被查阅或借阅。本人授权浙江理工大学可以将本学位论文的全部或部分内容编入有关数据库进行检索,可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。本学位论文属于保密口,在不保密口年解密后使用本版权书。
第一章绪论研究背景和意义图像是人类获取和交换信息的主要来源,在人类接收的信息中有%来自视觉或者说为图像畔ⅲ獍ㄍ枷瘛⑼夹动画⑹悠怠⑽谋尽⑹莸龋馐侨死嘧钣效和最重要的信息获取和交流方式。随着计算机的普及,人们越来越多地利用计算机来帮助人类获取与处理视觉枷信息。图像分割是一种关键的图像分析技术,是从图像处理进行到图像分析的关键步骤,也是进一步图像理解的基础。图像分割按照不同的特性,如灰度、颜色、纹理等,将图像分成若干个各具相似特性的区域,以便能提取出所需要的目标。在图像分割前,对图像的加工主要处于图像处理的层次,图像分割后,对图像的分析才成为可能。图像分割在实际中也已得到广泛的应用,例如在工业自动化,在线产品检验,以及军事、体育、农业工程等方面。概括来说,在各种图像应用中,只要需对图像目标进行提取,测量等都离不开图像图像分割通常是为了进一步对图像进行分析、识别、编码压缩等,分割的准确性直接影响后续任务的有效性和正确性,因此具有十分重要的意义。通过正确的图像分割结果,可以识别出场景中所感兴趣的区域和对象,从而获得物体的外形特征、空间位置,这些信息是机器视觉、图像理解以及基于图像内容检索的基础和前提,在纺织品的设计与检测中也不例外。对纺织品的图案及质量进行监控等均可用图像分割法加以研究。