

版權(quán)說明: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),請進行舉報或認領
文檔簡介
1、圖像對象分割,即從一幅復雜背景的圖像中提取出觀察者感興趣的對象,是圖像分割技術(shù)的最高目標。由于圖像分割技術(shù)幾乎出現(xiàn)在所有與圖像相關的領域,具有廣泛的應用需求,因此,對圖像對象分割理論及其相關技術(shù)進行研究具有十分重要的意義。 視覺機理的研究表明,對象分割離不開反映對象特征的先驗知識的指導,但單純利用高層對象特征的自頂向下分割方法又面臨著分割精度不高的困局。為此,近些年來,越來越多的研究者開始走自底向上與自頂向下相結(jié)合的組合式分割路
2、線。本論文在此技術(shù)思想的指導下,分別提取圖像底層信息以及對象形狀頂層信息,并成功的應用粒子濾波器模型將多層視覺信息相結(jié)合,得到令人滿意的圖像對象分割結(jié)果。 本文主要研究內(nèi)容包括: 1)以歸一化切分算法為例,討論了傳統(tǒng)圖像分割的定義及算法分類。本文根據(jù)歸一化切分結(jié)果圖的特點,利用歸一化切分結(jié)果圖中的邊緣片段提取圖像底層信息。 2)由于對象的形狀具有多樣性,本文擯棄了傳統(tǒng)基于輪廓/區(qū)域的對象形狀描述法,而是利用對象形
3、狀的局部特性,指導算法實現(xiàn)圖像對象的分割。 3)本文提出的基于粒子濾波器模型的圖像對象分割算法與前人算法最大的不同之處在于粒子濾波器模型的運用。歸一化切分結(jié)果圖中的邊緣片段被視為粒子,隨著邊緣片段沿著分割圖的延伸,粒子的權(quán)重不斷更新,使得算法最終收斂于對象輪廓。 本文的研究結(jié)果表明,通過粒子濾波器模型結(jié)合的圖像分割的底層信息以及對象頂層的局部形狀特性,可以得到較好的圖像對象分割結(jié)果。此算法對于對象具有顯著紋理或者出現(xiàn)部分
溫馨提示
- 1. 本站所有資源如無特殊說明,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)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 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. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于粒子濾波的圖像分割算法研究.pdf
- 基于可控濾波器和超像素分割的圖像融合算法研究.pdf
- 基于粒子濾波器的智能目標跟蹤算法研究.pdf
- 基于脊波濾波器和卷積結(jié)構(gòu)學習模型的SAR圖像分割.pdf
- 基于粒子濾波器的智能目標跟蹤算法研究
- 基于改進粒子濾波器目標跟蹤算法的研究.pdf
- 動態(tài)場景下基于改進粒子濾波器的SLAM算法.pdf
- 基于粒子群優(yōu)化算法的濾波器設計與實現(xiàn).pdf
- 基于脊波濾波器和反卷積結(jié)構(gòu)模型的SAR圖像分割.pdf
- 基于粒子濾波器的語音增強.pdf
- 基于粒子群算法的數(shù)字濾波器設計.pdf
- 基于多通道Gabor小波濾波器的圖像分割研究.pdf
- 基于粒子濾波器的視頻目標跟蹤.pdf
- 基于雙邊濾波器的紅外圖像細節(jié)增強算法研究.pdf
- 基于聯(lián)合LLSURE濾波器的圖像去霧算法研究.pdf
- 基于Quaternion-Gabor濾波器彩色紋理分割算法研究.pdf
- 基于對象分割的圖像壓縮算法研究.pdf
- 基于粒子群優(yōu)化算法的圖像分割研究.pdf
- 基于粒子濾波的圖像跟蹤算法研究.pdf
- 基于多目標粒子群優(yōu)化算法的圖像分割算法.pdf
評論
0/150
提交評論