二维云模型图像分割方法.pdfVIP

目录 摘要 ABSTRACT 第一章 绪论 1 1.1 研究背景 1 1.2 研究目的与意义 1 1.3 国内外研究现状 2 1.4 主要研究内容和技术路线 3 1.5 本文的组织结构 3 第二章 云模型的相关理论分析 5 2.1 云模型的定义 5 2.2 正态云发生器 8 2.3 正态云的数学特征 10 2.4 二维云模型的表达 14 第三章 图像分割理论分析 19 3.1 图像分割定义 19 3.2 图像分割分类 19 3.3 图像分割方法介绍 20 3.4 结合特定理论工具的图像分割方法 22 3.5 传统图像分割方法的缺陷分析 24 第四章 云模型在图像分割中的应用 26 4.1 二维灰度直方图 26 4.2 二维云图像分割方法的实现 27 4.3 图像预处理 28 4.4 二维云变换 30 4.5 二维云综合 33 4.6 二维云分类及概念显示 35 第五章 实验分析 37 5.1 图像平滑算子大小选择 37 5.2 云变换最小二乘算法实现 39 5.3 云综合的截断熵算法 40 5.4 噪声区域大小的确定 41 5.5 图像分割与结果调整 42 5.6 二维云模型和其它图像分割方法的比较 44 5.7 遥感图像的分割效果 46 5.8 云概念在分割图中的显示 46 5.9 动态云与多维云 47 第六章 总结与展望 49 6.1 本文的主要研究工作 49 6.2 存在的问题与今后的研究的方向 49 致 谢 51 参考文献 52 I 摘要 云模型是概念的一种定性定量转化工具，它利用三个参数来描述概念的特征。 将云模型方法从一维扩展到二维，并使用它表达更高维上的概念的不确定性，即概 念的模糊性、随机性及其之间的关联性。使用这种对概念的不确定性表达，结合图 像的二维灰度直方图将其应用到图像分割中，可以克服传统的基于一维灰度直方图 折图像分割方法不能反映图像的空间信息的缺陷，同时能对复杂的地物的不确定性 进行很好地描述。实验结果表明，该方法能够发挥云模型的特点，能更客观地表达 图像中的概念，同时能够发挥二维直方图图像分割方法具有较好的抗噪性的优点。 本文深入研究了二维云模型的若干关键技术，包括正态云模型、正向正态云发 生器、逆向正态云发生器、云模型的期望曲线等；提出了二维云的独立性的概念， 推导出了一种新的考虑幅度信息的计算公式；同时针对图像分割研究的这些关键技 术提出了适应性改进模型。并对将二维云应用到图像分割的实验中存在的一些问题 进行了实验分析，如邻域区域大小的选择、平滑的程度、最小二乘算法优化、云综 合方法的计算机实现等。 最后，本文针对图像的二维灰度直方进行相关的处理，将所研究出的方法用于 图像分割的实验，从直方图中提取出二维云概念，概念跃升后将高层的云概念用于 图像分割，取得了良好的实验效果。 关键词：云模型；图像分割；二维灰度直方图；最小二乘算法 ABSTRACT Cloud Model is the tool of a qualitative concept and quantitative concept transformation, which uses three parameters to describe the characteristics of the concept. To extend