圖像分割與評價及圖像三維表面重建研究.pdf

1、圖像分割和圖像三維表面重建是圖像處理中的兩個重要研究領(lǐng)域，現(xiàn)有的圖像分割算法在求最佳閾值時存在局限性；圖像分割存在重疊、粘連等，對分割質(zhì)量的評價也非常困難；利用多目標優(yōu)化求解方法對圖像三維表面重建研究也往往找不到最優(yōu)解。針對這些問題，本文在模糊集理論的基礎上，提出用并行搜索求最優(yōu)解來對圖像進行分割，用顆粒參數(shù)測量方法對分割圖像的質(zhì)量進行評價，用循環(huán)極大極小求解方法來進行圖像三維表面重建，具體包括以下內(nèi)容：
　　 ①在圖像分割中，

2、研究基于閾值的圖像分割算法和基于邊緣檢測的圖像分割算法，分析這兩類算法的基本思想，針對不同的圖像進行了仿真實驗，對實驗結(jié)果進行了分析和比較。本文采用等22.5°角的16個方向的Laplace算子的檢測估算模板，設定適當?shù)臋?quán)向量，提高邊緣檢測的精度，檢測出來的邊緣不但更清晰，而且也檢測出8個方向的Laplace算子所沒有檢測出的一些邊緣，同時合理地設置參數(shù)，避免一些偽邊緣的提取。
　　 ②基于聚類的圖像分割算法中，對HCM和FCM

3、算法進行比較，運用FCM聚類算法對圖像進行分割實驗。由于FCM算法需要初始化，并且目標函數(shù)存在許多局部極小點，如果初始化落在目標函數(shù)的局部極小點附近，就會造成算法收斂到局部極小點。為了解決此問題，本文提出GOS算法，利用GOS算法的并行搜索能力，對FCM算法加以改進，形成具有并行能力的GOS算法。同時，分析在不同初始條件下，對許多樣本的聚類分析時，GOS算法比傳統(tǒng)的FCM聚類算法更加有效，對算法性能進行理論分析，并通過仿真實驗進行驗證。

4、
　　 ③圖像分割質(zhì)量的評價是最難解決的問題之一，本文提出用圖像顆粒參數(shù)測量方法來計算顆粒形狀和粒度分布等，以此評價圖像分割的精確度，并和已有的七種分割評價方法進行比較，通過仿真實驗進行定性和定量的分析，證明此方法能更好地評價圖像分割算法的優(yōu)劣。
　　 ④在圖像三維重建中，提出模糊多目標優(yōu)化圖像三維重建的數(shù)學模型，將優(yōu)化圖像三維重建中普通目標函數(shù)以隸屬函數(shù)的形式表示，構(gòu)成新型數(shù)學模型來表述問題，采用極大極小求解方法。在大

5、大簡化求解過程的同時，有效地保證自動搜尋出原問題的有效解。
　　 ⑤在醫(yī)學圖像處理中，從受損顱骨圖像的背景物質(zhì)檢測、邊緣檢測，到重建出受損的顱骨圖像，對比不同算法，并通過仿真實驗，驗證算法的可行性；給兔子的血管注射造影劑，重建圖像，觀察兔子的各種組織，通過仿真實驗驗證算法的可行性及結(jié)果的合理性。
　　 ⑥在上述理論研究的基礎上，本文開發(fā)一個圖像分割、圖像三維表面重建和顆粒參數(shù)測量原型系統(tǒng)，能對圖像進行處理和分析，特別是將