摘要针对现有的基于判别型或聚类型的图像, 用分割方法无法处理被噪声污染的图像的现状, 提出一种新的两步式图像分割框架。该框架首先利用图像的局部信息重塑图像的灰度直方图, 增强了像素的类间散布性和类内紧凑性, 然后将现有的基于判别型或基于聚类型图像分割方法在重塑图像上执行, 从而提高了现有图像分割算法的有效性和鲁棒性。文中用典型的聚类型方法高斯混合模型来说明该框架的可行性。由于框架的两个步骤具有独立性, 因此可推广到现有的其他基于像素或直方图的方法。在人工和真实图像上的实验结果证明, 这种两步图像分割框架可以获得有效且鲁棒的图像分割结果。60982
毕业论文关键词: 模式识别; 图像处理; 图像分割; 高斯混合模型;期望最大化
毕业设计说明书（论文）外文摘要
Abstract A new two-step framework is proposed for image segmentation. In the first step, the gray-value distribution of the given image is reshaped to have larger inter-class variance and less intra-class variance. In the second step, the discriminate-based methods or clustering-based methods are performed on the reformed distribution. It is focused on the typical clustering methods-Gaussian mixture model (GMM) and it’s variant to demonstrate the feasibility of the framework. Due to the independence of the first step in its second step, it can be integrated into the pixel-based and the histogram-based methods to improve their segmentation quality. The experiments on artificial and real images show that the framework can achieve effective and robust segmentation results.
Key words: pattern recognition; image processing; image segmentation; Gaussian mixture model (GMM) ; expectation maximization (EM)
目次
1绪论 1
1.1 课题研究意义 1
1.2 课题的应用背景和前景 1
1.3 图像分割的研究现状 2
1.4本论文的结构 4
2 高斯混合模型和交互式图像分割的联系 4
2.1高斯混合模型 4
2.2交互式图像分割 6
2.3高斯混合模型的交互式图像分割 7
3 基于高斯混合模型的交互式图像分割的设计 8
3.1基于高斯混合模型的交互式图像分割的软件环境 8
3.2基于高斯混合模型的交互式图像分割的功能 8
4 基于高斯混合模型的交互式图像分割的实现 15
4.1读取和保存图像的实现 15
4.2 OpenCV基于高斯混合模型的实现 17
4.3中值滤波和滤除噪音的实现 24
4.4关闭所有窗口的实现 24
结论 26
致谢 27
参考文献 28
1绪论
1.1 课题研究意义
数字图像处理技术是一个跨学科的领域。随着计算机技术的不断发展，图像处理和分析逐渐形成了自己的科学体系，新的处理方法层出不穷，尽管其发展历史不长，但却引起了各方面人士的广泛关注。研究表明，人类所接受的全部信息中，有80％以上是通过视觉得到的，视觉是人类最重要的感知手段。和语音或文字相比，图像包含的信息量更大、更直观、更确切，图像是视觉的基础，它有相当高的使用效率和非常广泛的适应性。因此，数字图像成为心理学、生理学、计算机科学等诸多领域内的学者们研究视觉感知的有效工具，图像处理技术在医疗、军事、遥感、气象等方面的应用越来越广泛。 OpenCV高斯混合模型的交互式图像分割:http://www.youerw.com/jisuanji/lunwen_66580.html