圖像分割與評(píng)價(jià)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(gè)重要研究領(lǐng)域，現(xiàn)有的圖像分割算法在求最佳閾值時(shí)存在局限性；圖像分割存在重疊、粘連等，對(duì)分割質(zhì)量的評(píng)價(jià)也非常困難；利用多目標(biāo)優(yōu)化求解方法對(duì)圖像三維表面重建研究也往往找不到最優(yōu)解。針對(duì)這些問題，本文在模糊集理論的基礎(chǔ)上，提出用并行搜索求最優(yōu)解來對(duì)圖像進(jìn)行分割，用顆粒參數(shù)測(cè)量方法對(duì)分割圖像的質(zhì)量進(jìn)行評(píng)價(jià)，用循環(huán)極大極小求解方法來進(jìn)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(cè)的圖像分割算法，分析這兩類算法的基本思想，針對(duì)不同的圖像進(jìn)行了仿真實(shí)驗(yàn)，對(duì)實(shí)驗(yàn)結(jié)果進(jìn)行了分析和比較。本文采用等22.5°角的16個(gè)方向的Laplace算子的檢測(cè)估算模板，設(shè)定適當(dāng)?shù)臋?quán)向量，提高邊緣檢測(cè)的精度，檢測(cè)出來的邊緣不但更清晰，而且也檢測(cè)出8個(gè)方向的Laplace算子所沒有檢測(cè)出的一些邊緣，同時(shí)合理地設(shè)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(duì)HCM和FCM

3、算法進(jìn)行比較，運(yùn)用FCM聚類算法對(duì)圖像進(jìn)行分割實(shí)驗(yàn)。由于FCM算法需要初始化，并且目標(biāo)函數(shù)存在許多局部極小點(diǎn)，如果初始化落在目標(biāo)函數(shù)的局部極小點(diǎn)附近，就會(huì)造成算法收斂到局部極小點(diǎn)。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(duì)FCM算法加以改進(jìn)，形成具有并行能力的GOS算法。同時(shí)，分析在不同初始條件下，對(duì)許多樣本的聚類分析時(shí)，GOS算法比傳統(tǒng)的FCM聚類算法更加有效，對(duì)算法性能進(jìn)行理論分析，并通過仿真實(shí)驗(yàn)進(jìn)行驗(yàn)證。

4、
　　 ③圖像分割質(zhì)量的評(píng)價(jià)是最難解決的問題之一，本文提出用圖像顆粒參數(shù)測(cè)量方法來計(jì)算顆粒形狀和粒度分布等，以此評(píng)價(jià)圖像分割的精確度，并和已有的七種分割評(píng)價(jià)方法進(jìn)行比較，通過仿真實(shí)驗(yàn)進(jìn)行定性和定量的分析，證明此方法能更好地評(píng)價(jià)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(biāo)優(yōu)化圖像三維重建的數(shù)學(xué)模型，將優(yōu)化圖像三維重建中普通目標(biāo)函數(shù)以隸屬函數(shù)的形式表示，構(gòu)成新型數(shù)學(xué)模型來表述問題，采用極大極小求解方法。在大

5、大簡(jiǎn)化求解過程的同時(shí)，有效地保證自動(dòng)搜尋出原問題的有效解。
　　 ⑤在醫(yī)學(xué)圖像處理中，從受損顱骨圖像的背景物質(zhì)檢測(cè)、邊緣檢測(cè)，到重建出受損的顱骨圖像，對(duì)比不同算法，并通過仿真實(shí)驗(yàn)，驗(yàn)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(shí)驗(yàn)驗(yàn)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(chǔ)上，本文開發(fā)一個(gè)圖像分割、圖像三維表面重建和顆粒參數(shù)測(cè)量原型系統(tǒng)，能對(duì)圖像進(jìn)行處理和分析，特別是將