四元數(shù)域彩色圖像分割方法研究.pdf

1、分類號(hào)：學(xué)校代碼：10165密級(jí)：學(xué)號(hào)：201311001096碩士學(xué)位論文四元數(shù)域彩色圖像分割方法研究2016年06月作者姓名：吳志芳學(xué)科、專業(yè)：課程與教學(xué)論（計(jì)算機(jī)）研究方向：圖像分割導(dǎo)師姓名：王向陽(yáng)教授遼寧師范大學(xué)碩士學(xué)位論文I摘要隨著科技的不斷發(fā)展，人們對(duì)信息需求日益增長(zhǎng)，圖像分割作為信息處理的基礎(chǔ)環(huán)節(jié)顯得尤為重要。但是圖像分割一直是人們棘手的問(wèn)題，雖然現(xiàn)有很多算法，但還未出現(xiàn)一種針對(duì)所有圖像分割都能起到行之有效的方法。由此圖像

2、分割備受關(guān)注，熱度不減。目前形勢(shì)，人工智能在圖像分割領(lǐng)域比較熱門，一些方法被挖掘出來(lái)并取得了良好的效果。本文對(duì)圖像分割進(jìn)行了深入的學(xué)習(xí)和探索，主要內(nèi)容包括：對(duì)四元數(shù)指數(shù)矩、四元數(shù)圓諧傅里葉矩、孿生支持向量機(jī)（TWSVM）、帶有一致性的臨近支持向量機(jī)（PCC）、四元數(shù)小波變換（QWT）和隱馬爾科夫樹（HMT），結(jié)合這些方法主要完成如下工作：1、首先利用四元數(shù)指數(shù)矩對(duì)彩色圖像進(jìn)行分解，提取低頻系數(shù)作為像素級(jí)特征，然后利用二維Arimoto熵

3、進(jìn)行訓(xùn)練樣本的選取，最后用TWSVM進(jìn)行像素分類。利用四元數(shù)指數(shù)矩進(jìn)行像素級(jí)特征的提取，不用考慮圖像分量間的相關(guān)性和聯(lián)系性，并且將圖像分割提升到超復(fù)數(shù)的領(lǐng)域，獲得的結(jié)果更符合人類的視覺(jué)。2、結(jié)合PCC理論，我們對(duì)四元數(shù)圓諧傅里葉矩進(jìn)行像素級(jí)特征提取，利用二維Tsallis熵進(jìn)行訓(xùn)練樣本的選取。實(shí)驗(yàn)證明，該算法具有很好的穩(wěn)定性和高效性，對(duì)不同類型的圖像都能分割出最優(yōu)的結(jié)果。3、提出了新型QWTHMT的圖像分割方法。首先利用四元數(shù)小波對(duì)圖像