版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、21世紀(jì)是一個(gè)信息膨脹的時(shí)代,作為我們感知整個(gè)世界的視覺(jué)基礎(chǔ),圖像是人類對(duì)信息獲取、表達(dá)和傳遞的重要手段之一。圖像處理是用計(jì)算機(jī)對(duì)各類圖像進(jìn)行分析計(jì)算,以達(dá)到我們所需結(jié)果的新型技術(shù)。邊緣檢測(cè)技術(shù)是圖像處理中很重要的一部分,因?yàn)檫吘壥且粋€(gè)圖像中區(qū)分前景和背景的分界線,只要把邊緣描述出來(lái),我們就可以把前景和背景區(qū)分開(kāi)來(lái)。而基于Mumford-Shah(MS)模型的圖像邊緣檢測(cè)算法在圖像處理中有著重要的意義。
在本文中,我們從經(jīng)典的
2、MS模型入手,通過(guò)參照之前提出的ModifiedMumford-Shah(MMS)模型的L2范數(shù)形式,我們提出了MMS模型的L1范數(shù)形式,并且針對(duì)此模型進(jìn)行了相關(guān)理論推導(dǎo)和數(shù)值試驗(yàn)。首先,我們?cè)诘贸龌謴?fù)后圖像的過(guò)程中,用到了不動(dòng)點(diǎn)迭代的方法,之后在提取邊界的過(guò)程中,我們用到了兩種經(jīng)典的方法,分別是:Proximity方法和Split Bregman(SB)方法。此外,我們?cè)谡麄€(gè)迭代過(guò)程中加入了ThreshoM和Truncation兩種方
3、法,以便于加快迭代速度,從而更快更準(zhǔn)確地得到恢復(fù)效果。數(shù)值試驗(yàn)方面,我們將提出的模型與經(jīng)典的Ambrosio-Tortorelli(AT)模型進(jìn)行比較,我們發(fā)現(xiàn):在針對(duì)含有脈沖噪音的圖像中,L1形式下的MMS模型有更好的效果:既可以有效的去除噪音,又可以將邊緣更清晰地檢測(cè)出來(lái)。之后的試驗(yàn)中,我們將兩種優(yōu)化方法與Proximity算法和SB算法相結(jié)合,從圖像本身和圖表結(jié)果得出:加入優(yōu)化方法的算法既可以保留有效邊緣,又可以減少迭代次數(shù),提高
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于Mumford-Shah模型的邊緣檢測(cè)方法研究.pdf
- 基于Mumford-Shah模型的圖像分割.pdf
- 基于Mumford-Shah模型醫(yī)學(xué)圖像分割算法的研究.pdf
- 基于Mumford-Shah模型的矢量圖像分割方法.pdf
- 基于Mumford-Shah模型和G空間圖像分解的研究.pdf
- 基于水平集和Mumford-Shah模型的醫(yī)學(xué)圖像分割.pdf
- 改進(jìn)的Mumford-Shah模型及其在醫(yī)學(xué)圖像處理中的應(yīng)用.pdf
- 變分PDE Mumford-Shah分割模型研究.pdf
- 醫(yī)學(xué)圖像分割中的分段常數(shù)水平集方法與Mumford-Shah模型研究.pdf
- 圖像邊緣檢測(cè)算法
- 基于BLACKFIN的圖像邊緣檢測(cè)算法.pdf
- 基于CUDA的Canny圖像邊緣檢測(cè)算法.pdf
- 圖像邊緣檢測(cè)算法的研究.pdf
- 基于相位信息的圖像邊緣檢測(cè)算法研究.pdf
- 基于梯度算子的圖像邊緣檢測(cè)算法研究.pdf
- SAR圖像邊緣檢測(cè)算法研究.pdf
- 生物圖像邊緣檢測(cè)算法的研究.pdf
- 圖像邊緣檢測(cè)算法的比較研究.pdf
- 基于灰色理論的圖像邊緣檢測(cè)算法研究.pdf
- 彩色圖像邊緣檢測(cè)算法研究.pdf
評(píng)論
0/150
提交評(píng)論