基于超像素与低秩表示的图像分割-信息与通信工程专业论文.docxVIP

分类号： 密级： ＵＤＣ： 编号： 工学硕士学位论文 基于超像素与低秩表示的图像分割 硕士研究生 ：刘 琨 指导教师 ：卞红雨 教授 学位级别 ：工学硕士 学科、专业 ：信息与通信工程 所在单位 ：水声工程学院 论文提交日期：2015 年 1 月 论文答辩日期：2015 年 3 月 论文授予单位：哈尔滨工程大学 Classified Index: U.D.C: A Dissertation for the Degree of M. Eng Based on the Superpixels with Low-rank Representation Method of Image Segmentation Candidate: Liu Kun Supervisor: Prof Bian HongYu Academic Degree Applied for: Master of Engineering Specialty: Underwater Acoustic Engineering Date of Submission: March,2015 Date of Oral Examination: March,2015 University: Harbin Engineering University 基于超像素与低秩表示的图像分割 基于超像素与低秩表示的图像分割 哈尔滨工程大学硕士学位论文 哈尔滨工程大学硕士学位论文 摘 要 当今海洋资源利用开发活动日益增多，声纳图像具有高辨识能力，其对探索海洋世 界具有重要意义。而图像分割是由图像处理进入到图像分析的关键步骤，是后期目标识 别的重要前提。为此本文主要研究了一种新颖的灰度图像分割方法基于超像素与低秩 表示方法的声纳图像分割。本文主要进行了以下四个方面的研究： 第一、对声纳图像进行超像素级的图像分割研究，通过研究在众多超像素分割算法 中选取了两种适合于灰度图像的分割算法。 结合 水声图像的特点比较选择 出 了 turbopixels 方法。 第二、进行特征比较分析研究。在灰度共生矩阵和梯度-灰度共生矩阵两种特征的 多种特征量中分别进行差异度比较，选出具有明显区分性的特征量并对每个超像素进行 特征提取，进而生成特征矩阵。 第三、结合特征矩阵进行低秩最小化数学模型研究，其中低秩表示可鲁棒噪声、提 高相似性度量。再通过不精确增广拉格朗日乘数法（EALM）对条件极值式进行求解， 可得到最优相似矩阵。 最后，应用 N-CUT 聚类方法对最优相识矩阵进行聚类可生成形如地图的分割图形。 最后两个方面实际应用了子空间分割思想。而生成的分割图像实际为对最初生成的 超像素的聚类结果，由于所选择的超像素分割方法具有边缘划分清晰、准确等特点使得 分割结果与原图吻合度良好。 关键词：超像素；特征比较；低秩表示；增广拉格朗日乘数法；N-CUT 聚类 ABSTRACT As the marine resource exploit has been increasingly serious today, the sonar image with high resolution has great significance to explore ocean. However, the image segmentation technique is not only an pivotal Step for image analysis but also the premise for target identification. Therefore the paper mainly study a neoteric image segmentation techniqueThe paper can be divided to 4 steps: Step 1: Segment the image on a superpixels levels. Therefore, two image segmentation techniques which are appropriate for grayscale images are chosen. Finally, the paper also choose the Turbopixels method which is more befitting for the sonar image as the first step. Step 2: Compare and analyse the features. The paper processes diversity comparison in the aspects of gray level co-occur