本科毕业设计-应用基于形状先验和ms范函的cliuqe聚类的图像分割.docVIP

应用基于形状先验和m-s范函的cliuqe聚类的图像分割 摘要 利用集团不变特性以及高阶分段MS函数的常量实现作为新的形状先验模型被提出来。该模型将被证明是有意义的，在困难分割问题的环境下，包括但不限于杂波分割和含有变化不均匀的图像强度组件的目标识别。此外，该模型在图像恢复方面是有效的。最后，该模型可以既高效有近自动化的完成上述任务。 关键词：活动轮廓，水平集方法，恢复，Chan-Vese模型，不变签名 目录 摘要 1 目录 2 第 3 第二章 模型建立 4 2.1不变特性：Cliques能量 4 2.2 改进的形状先验分割模型 5 第 5 3.1 正常速度的MS模型 6 3.2 多边形周长和精度项 6 3.3 常量和的更新 7 3.4 形状先验的变化和尺度参数的选择 8 3.5 最终改进算法 9 第 10 第 12 附注 12 参考文献 12 引言 形状先验分割在图像处理中是一个基本的问题，这需要在一个已知形状先验信息来减少模糊图像的分割问题。它包含很多概念，包括认知心理学，计算机科学，工程学和数学。一般来说，人类识别依赖于已有的经验去识别对象，尤其是在杂乱或闭塞的情况下。形状先验分割试图解决类似的问题，当一个特定的形状特征是纳入现有的分割模型帮助捕捉感兴趣对象的边界。 从数学的角度来看，标准（非形状先验）图像分