2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩99頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

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(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

1、圖像分割是從圖像處理到圖像分析的一個(gè)關(guān)鍵技術(shù)。圖像分割是指把圖像區(qū)域分成各具特性的區(qū)域,并提取出感興趣目標(biāo)的過程。近年來,偏微分方程的分割方法得到了國內(nèi)外學(xué)者的廣泛關(guān)注。它的基本思想是直接或間接設(shè)計(jì)一個(gè)偏微分方程(組),曲線、曲面或圖像在這樣的方程(帶初始條件和邊界條件)控制下進(jìn)行演化,所得到的偏微分方程數(shù)值解就是我們希望處理的結(jié)果。
  本學(xué)位論文主要工作是針對偏微分方程圖像分割所面臨的實(shí)際問題,如演化速度、輪廓初始化、對強(qiáng)噪聲

2、的魯棒性等問題,提出新的圖像分割偏微分方程模型并數(shù)值實(shí)現(xiàn)。本人所做的主要工作如下:
  1.結(jié)合p(x)-范數(shù),對著名的Chan-Vese模型提出一種改進(jìn)方案,增強(qiáng)了原模型對輪廓初始化和強(qiáng)噪聲的魯棒性,擴(kuò)展了模型的應(yīng)用范圍。
  針對著名的Chan-Vese模型存在的缺點(diǎn),如不能很好處理低對比度和邊緣模糊的圖像,對初始位置和噪聲的魯棒性不強(qiáng),提出基于p(x)-范數(shù)的活動(dòng)輪廓模型,該模型的外能量項(xiàng)是通過可變p(x)-范數(shù)去擬合

3、圖像信息,使得水平集函數(shù)能夠根據(jù)圖像信息運(yùn)動(dòng)。實(shí)驗(yàn)表明,該模型能快速有效分割具有低對比度和模糊邊緣的圖像,對輪廓初始化和強(qiáng)噪聲有較強(qiáng)的魯棒性。
  2.基于曲線演化和水平集方法,提出了一個(gè)新的偏微分方程模型
  現(xiàn)有基于曲線演化和水平集方法的偏微分方程模型(如著名的測地活動(dòng)輪廓模型)都是設(shè)計(jì)零水平集(輪廓)的演化速度,這就導(dǎo)致需要人工定義合適的初始輪廓。本文提出的偏微分方程模型,主要是設(shè)計(jì)驅(qū)動(dòng)水平集函數(shù)演化的外力項(xiàng),初始水平

4、集函數(shù)無需借助輪廓來定義,而是可定義為任意有界函數(shù)(如常值函數(shù)),從而避免了輪廓初始化產(chǎn)生的一系列問題。實(shí)驗(yàn)表明,該模型可分割多種類型的圖像(尤其是具有強(qiáng)噪聲和模糊邊界的圖像),具有很好的應(yīng)用前景。
  3.提出一個(gè)基于局部和全局信息的活動(dòng)輪廓模型
  灰度不均在真實(shí)圖像中是廣泛存在的,特別是在醫(yī)學(xué)圖像中,如 X-射線圖、MR圖像、CT圖像等。如何有效地對這類圖像進(jìn)行分割,一直是偏微分方程圖像分割領(lǐng)域的一個(gè)熱門課題。目前已有

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(yù)覽,若沒有圖紙預(yù)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(hù)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(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)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(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自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論