机械零件图像分割系统设计【带程序】

资源目录

相关资料模板.doc

摘要

　　　为了更好的研究机械零件图像，本文通过对俩幅机械零件图像分别进行ave、sf-pcnn、pcnn的图像融合,从而有效地提高了图像信息的利用率、系统对目标探测识别地可靠性及系统的自动化程度。再将融合后的图像进行分割。为降低噪声对图像分割结果的影响，提出一种基于热平衡理论的中智学图像分割方法。该方法将图像转化为中智学图像，考虑每一个像素的不确定性，通过热平衡运算及图像增强处理，使噪声点变得更平滑。实验结果表明，对于含不同程度噪声的图像，该方法的分割效果明显优于未经融合原始图像的分割效果。

关键词：图像融合；图像分割；热平衡；中智学

摘要V

AbstractVI

目录VII

1 绪论1

　　1.1 数字图像处理技术1

　　1.2 图像处理技术的概念1

　　1.3 图像处理常用方法2

　　1.4 图像处理技术的应用3

　　1.5 本课题达到的要求4

2 图像融合5

　　2.1 图像融合定义5

　　2.2 图像融合的优点5

　　2.3 本文图像融合方法5

　　2.4 图像融合的实现步骤如下6

　　2.5 图像融合流程图6

　　2.6 图像融合主程序6

　　2.7 实验与分析10

.3 图像分割13

　　3.1 图像分割原理13

　　3.2 图像分割的方法13

　　3.3 图像分割评价13

　　3.4 中智学简介14

　　3.5 热平衡简介15

　　3.6 图像分割的实现步骤如下16

　　3.7分割方法实现流程图16

　　3.8 图像分割主程序17

　　3.9 实验与分析17

4 总结和展望26

　　4.1 论文工作总结26

　　4.2 不足之处及未来展望26

致谢27

参考文献28

附录29

2.1 图像融合定义

　　　图像融合（Image Fusion）是指将多源信道所采集到的关于同一目标的图像数据经过图像处理和计算机技术等，最大限度的提取各自信道中的有利信息，最后综合成高质量的图像，以提高图像信息的利用率、改善计算机解译精度和可靠性、提升原始图像的和光谱分辨率，利于监测。待融合图像已配准好且像素位宽一致，综合和提取两个或多个多源图像信息。两幅（多福）已配准好且像素位宽一致的待融合源图像，如果配准不好且像素位宽不一致，其融合效果不好。

2.2 图像融合的优点

　　高效的图像融合方法可以根据需要综合处理多源通道的信息，从而有效地提高了图像信息的利用率、系统对目标探测识别地可靠性及系统的自动化程度。其目的是将单一传感器的多波段信息或不同类传感器所提供的信息加以综合，消除多传感器信息之间可能存在的冗余和矛盾，以增强影像中信息透明度，改善解译的精度、可靠性以及使用率，以形成对目标的清晰、完整、准确的信息描述。

　　　这诸多方面的优点使得图像融合在医学、遥感、计算机视觉、气象预报及军事目标识别等方面的应用潜力得到充分认识、尤其在计算机视觉方面，图像融合被认为是克服目前某些难点的技术方向；在航天、航空多种运载平台上，各种遥感器所获得的大量光谱遥感图像（其中分辨率差别、灰度等级差别可能很大）的复合融合，为信息的高效提取提供了良好的处理手段，取得明显效益。

2.3 本文图像融合方法

融合方法融合方法简介

AVERAGEAVERAGE用atrous小波变换与EMD算法相结合的图像融合是一种新的变换分析方法，它继承和发展了短时傅立叶变换局部化的思想，同时又克服了窗口大小不随频率变化等缺点，能够提供一个随频率改变的时间一频率窗口，是进行信号时频分析和处理的理想工具。

PCNNPCNN（PCNN-Pulse Coupled Neural Network）, 也即脉冲耦合神经网络。与传统神经网络相比，有着根本的不同。PCNN有着广泛的应用，可应用于图像分割，边缘检测、细化、识别等方面。　　PCNN是Eckhorn于20世纪90年代开始提出的一种基于猫的视觉原理构建的简化神经网络模型，与BP神经网络和Kohonen神经网络相比，PCNN不需要学习或者训练，能从复杂背景下提取有效信息，具有同步脉冲发放和全局耦合等特性，其信号形式和处理机制更符合人类视觉神经系统的生理学基础。

SF-PCNNSF-PCNN是非降采样Contourlet域内空间频率激励的PCNN图像融合算法。

内容简介：: 无锡太湖学院信机系机械工程及自动化专业毕业设计论文任务书一、题目及专题：1、题目机械零件图像分割 2、专题基于热平衡的中智学图像分割二、课题来源及选题依据图像分割就是把图像分成若干个特定的、具有独特性质的区域并提出感兴趣目标的技术和过程。它是由图像处理到图像分析的关键步骤。现有的图像分割方法主要分以下几类：基于阈值的分割方法、基于区域的分割方法、基于边缘的分割方法以及基于特定理论的分割方法等。近年来，研究人员不断改进原有的图像分割方法并把其它学科的一些新理论和新方法用于图像分割，提出了不少新的分割方法。尤其是基于阈值的分割方法、基于区域的分割方法。三、本设计（论文或其他）应达到的要求：熟悉数字图像压缩编码技术的发展历程，特别是近十几年来提出的小波编码、分形编码、模型基编码；理解图像融合的三种方法ave、sf-pcnn、pcnn；了解中智学意义发展以及中智学图像分割；理解热平衡理论以及热平衡理论在去除噪声点的运用能够熟练使用MATLAB仿真。四、接受任务学生：机械93 班姓名彭健五、开始及完成日期：自2012年11月12日至2013年5月25日六、设计（论文）指导（或顾问）：指导教师签名签名签名教研室主任学科组组长研究所所长签名系主任签名2012年11月12日无锡太湖学院毕业设计（论文）开题报告题目：机械零件图像分割信机系机械工程及自动化专业学号：学生姓名：指导教师：（职称：教授）（职称：）科学依据1科学依据图像分割是图像处理与计算机视觉领域低层次视觉中最为基础和重要的领域之一，它是对图像进行视觉分析和模式识别的基本前提。图像分割是从图像处理到图像分析的关键技术。图像分割的种类和方法很多，有些分割算法可直接用于任何图像，而另一些算法只能适用于分割特殊类别的图像。有些算法需要先对图像进行粗分割，因为它们需要从图像中提取出来的信息。没有唯一的标准的方法。分割结果的好坏需要根据具体的场合要求衡量。早期的图像分割方法可以分为两大类。一类是边界方法，这种方法假设图像分割结果的某个子区域在原来图像中一定会有边缘存在；一类是区域方法，这种方法假设图像分割结果的某个子区域一定会有相同的性质，而不同区域的像素则没有共同的性质。这两种方法都有优点和缺点，有的学者考虑把两者结合起来进行研究。现在，随着计算机处理能力的提高，很多方法不断涌现，如基于彩色分量分割、纹理图像分割。所使用的数学工具和分析手段也是不断的扩展，从时域信号到频域信号处理，小波变换等等。图像分割主要包括4种技术：并行边界分割技术、串行边界分割技术、并行区域分割技术和串行区域分割技术。尽管人们在图像分割方面做了许多研究工作，但由于尚无通用的分割理论，现已提出的分割算法大都是针对具体问题的，并没有一种适合于所有图像的通用的分割算法。另一方面，给定一个实际图像分割问题要选择合用的分割算法也还没有标准的方法。 2国内外研究概况随着技术的进步图像使用的越来越多对图像的分割也越来越引起人们的重视。据国外专家预测，在今后的 510 年内，随着数据量的日益积累以及计算机的广泛应用，数据挖掘将在中国形成一个产业。国内外研究动态 1989 年 8 月，在第 11 届国际人工智能联合会议的专题研讨会上，首次提出“在数据库中的知识发现”KDD: Knowledge Discovery in Database技术，1991、1993、1994 年又相继举行了 KDD 专题讨论会。1995 年，在美国计算机年会ACM上，提出了数据挖掘DM:Data Mining的概念，即通过从数据库中抽取隐含的、未知的、具有潜在使用价值信息的过程。由于数据库中的数据被形象地比喻为矿床，因此，数据挖掘一词很快流传开来。由于它应用的普遍性及由此带来的高效益，新型的数据分析技术-数据挖掘成为一个具有广阔应用前景的热门研究方向。KDD 的研究吸引了大量的各个领域的专家和研究机构从事该领域的研究。许多公司纷纷推出了自己的数据挖掘系统。研究内容 (一) 主要任务学习图像分割的基础知识，了解图像融合和图像分割的现状，掌握图像分割的基本原理及应用。了解并掌握Matlab的开发环境, 利用Matlab写出算法程序并运行，从而对给定图像进行分割。（二）开发设计环境与工具采用matlab作为开发语言，用MATLAB编程仿真，比较原始图像和重构图像。拟采取的研究方法、技术路线、实验方案及可行性分析（1）实验方案将俩幅模糊原始图像经过AVE、PCNN、SF-PCNN等方法融合得到一幅较清晰图像，再用基于热平衡中智学分割法对图像进行图像分割，比较分割结果。探究最适合图像分割系数w（2）研究方法融合条件下，分析一个图像的原始图像和重构图像的差别。在不同系数w下比较图像分割结果。研究计划及预期成果研究计划：2012年11月12日-2012年12月25日：按照任务书要求查阅论文相关参考资料，填写毕业设计开题报告书。2012年11月26日-2013年3月5日：填写毕业实习报告。2013年3月8日-2013年3月14日：按照要求修改毕业设计开题报告。2013年3月15日-2013年3月21日：学习并翻译一篇与毕业设计相关的英文材料。2013年3月22日-2013年4月11日：MATLAB程序设计。2013年4月12日-2013年4月25日：图像分割设计。2013年4月26日-2013年5月25日：毕业论文撰写和修改工作。预期成果：达到预期的实验结论：融合俩幅原始图像，得到较清晰融合图像。对图像进行分割，比较图像分割的结果，探究最适合图像分割的系数w。特色或创新之处使用MATLAB编程仿真，效果明显，方便改变参量，能够直观判断实验结果。采用固定某些参量、改变某些参量来研究问题的方法，思路清晰，简洁明了，行之有效。已具备的条件和尚需解决的问题实验方案思路已经非常明确，已经具备使用MATLAB编程仿真的能力和图像融合、图像处理方面的知识。使用MATLAB编程的能力尚需加强。指导教师意见指导教师签名：年月日教研室（学科组、研究所）意见教研室主任签名：年月日系意见主管领导签名：年月日编编号号无锡太湖学院毕毕业业设设计计（论论文文）题目：题目：机械零件图像分割机械零件图像分割信机系系机械工程及自动化专专业业学号：学生姓名：指导教师：（职称：教授）（职称：）2013 年 5 月 25 日无锡太湖学院本科毕业设计（论文）无锡太湖学院本科毕业设计（论文）诚诚信信承承诺诺书书本人郑重声明：所呈交的毕业设计（论文）机械零件图像分割是本人在导师的指导下独立进行研究所取得的成果，其内容除了在毕业设计（论文）中特别加以标注引用，表示致谢的内容外，本毕业设计（论文）不包含任何其他个人、集体已发表或撰写的成果作品。班级：机械 93 学号： 0923119 作者姓名： 2013 年 5 月 25 日摘摘要要为了更好的研究机械零件图像，本文通过对俩幅机械零件图像分别进行 ave、sf-pcnn、pcnn 的图像融合,从而有效地提高了图像信息的利用率、系统对目标探测识别地可靠性及系统的自动化程度。再将融合后的图像进行分割。为降低噪声对图像分割结果的影响，提出一种基于热平衡理论的中智学图像分割方法。该方法将图像转化为中智学图像，考虑每一个像素的不确定性，通过热平衡运算及图像增强处理，使噪声点变得更平滑。实验结果表明，对于含不同程度噪声的图像，该方法的分割效果明显优于未经融合原始图像的分割效果。关键词：关键词：图像融合；图像分割；热平衡；中智学IAbstractIn order to study the mechanical parts of the image better, based on the two pieces of mechanical parts images are ave, sf-pcnn, PCNN image fusion, thus effectively improving the use of image information, the degree of automation of the system of target detection and recognition reliability and system. Then the fused image segmentation. In order to reduce the influence of noise on the image segmentation result, put forward a kind of wisdom of heat balance theory based on image segmentation method. The image is converted to neutrosophic image, consider every pixel uncertainty, by heat balance calculation and image enhancement processing, the noise becomes more smooth. The experimental results show that, for images with different noise levels, the segmentation method is obviously better than that of without fusion image segmentation.Keywords: image fusion,; intelligent segmentation; heat balance; image science目目录录摘要 .VABSTRACT.VI目录.VII1 绪论.11.1 数字图像处理技术.11.2 图像处理技术的概念.11.3 图像处理常用方法.21.4 图像处理技术的应用.31.5 本课题达到的要求.42 图像融合.52.1 图像融合定义.52.2 图像融合的优点.52.3 本文图像融合方法.52.4 图像融合的实现步骤如下.62.5 图像融合流程图.62.6 图像融合主程序.62.7 实验与分析.10.3 图像分割.133.1 图像分割原理.133.2 图像分割的方法.133.3 图像分割评价.133.4 中智学简介.143.5 热平衡简介.153.6 图像分割的实现步骤如下.163.7 分割方法实现流程图.163.8 图像分割主程序.173.9 实验与分析.174 总结和展望.264.1 论文工作总结.264.2 不足之处及未来展望.26致谢.27参考文献.28附录.29无锡太湖学院学士学位论文1 绪论绪论1.1 数字图像处理技术数字图像处理技术图像处理(image processing)，用计算机对图像进行分析，以达到所需结果的技术。又称影像处理。数字图像处理最早出现于 20 世纪 50 年代，当时的电子计算机已经发展到一定水平，人们开始利用计算机来处理图形和图像信息。数字图像处理作为一门学科大约形成于 20 世纪 60 年代初期。自 20 世纪 70 年代起，图像处理技术尤其是图像分割的研究一直受到人们的高度重视.。早期的图像处理的目的是改善图像的质量，它以人为对象，以改善人的视觉效果为目的。图像处理中，输入的是质量低的图像，输出的是改善质量后的图像，常用的图像处理方法有图像增强、复原、编码、压缩等。首次获得实际成功应用的是美国喷气推进实验室（JPL）。他们对航天探测器徘徊者 7 号在 1964 年发回的几千张月球照片使用了图像处理技术，如几何校正、灰度变换、去除噪声等方法进行处理，并考虑了太阳位置和月球环境的影响，由计算机成功地绘制出月球表面地图，获得了巨大的成功。随后又对探测飞船发回的近十万张照片进行更为复杂的图像处理，以致获得了月球的地形图、彩色图及全景镶嵌图，获得了非凡的成果，为人类登月创举奠定了坚实的基础，也推动了数字图像处理这门学科的诞生。在以后的数字图像处理技术宇航空间技术，如对火星、土星等星球的探测研究中，数字图像处理技术都发挥了巨大的作用。数字图像处理取得的另一个巨大成就是在机械上获得的成果。1.2 图像处理技术的概念图像处理技术的概念20 世纪 20 年代，当时通过海底电缆从英国伦敦到美国纽约传输了一幅照片，采用了数字压缩技术。图像是人类观察世界、认识世界的重要媒介之一.我们生活在一个信息化时代，据科学研究和统计表明，人类接收的信息中约有 75%来自视觉系统或者说图像信息，也就是从图像中获得的.这既说明视觉信息量巨大，也表明人类对视觉信息有较高的利用率.图像包含了它所表达的物体的描述信息.这里指的图像包括图片、绘图、动画、视像，甚至文档等.数字图像是指用数字摄像机、扫描仪等设备经过采样和数字化得到的一个大的二维数组，该数组的元素称为像素，其值为一整数，称为灰度值1。图像处理技术的主要内容包括图像压缩，增强和复原，匹配、描述和识别 3 个部分。常见的处理有图像数字化、图像编码、图像增强、图像复原、图像融合、图像分割和图像分析等2。本文主要研究图像处理中的图像融合和图像分割。.图像技术在广义上是各种与图像有关的技术的总称，在改变人们的生活方式以及推动社会发展等方面都起到了重要的作用.图像技术包括利用计算机和其他电子设备共同完成的工作，例如图像的采集、量化、编码、存储和传输，图像的显示和输出，图像的变换、增强、恢复和重建，图像的分割，目标的检测、表达和描述，目标检测的提取和测量，图像的分类、表示和识别等等。3计算机科学与其它学科相统一，不断提出新思路、新方法来，不仅改进了计算机处理方法促进了计算机科学与技术学科的发展，而且还有利于其它学科的发展. 自动机理论、可计算理论、逻辑学、程序设计理论等理论与计算机紧密联系.这些理论互相关联，共同组成了计算机基础.而它们都是属于数学学科的，因此数学学科的发展对计算机科学与技术的发展有着重要的影响.最初计算机只是数学的一个分支，通过不断发展计算机已经设计很多领域，也拥有了很多的研究人员，这使得计算机械零件图像分割1机科学的发展在某种程度上也反作用于数学学科的发展.计算机科学与技术与其它学科相结合已经成为了一种发展趋势.也只有这样计算机技术才能保持当今的速度继续飞速发展.如今，某些以前不太受到重视的数学分支在计算机科学出现以后也变得重要起来.4例如： (1)逻辑学、集合学：逻辑学和集合论是计算机科学最重要的数学问题描述方式 (2)抽象代数：抽象就是提取研究对象的本质并加以高度概括。 (3)图论：图论的应用领域已经非常广泛.例如计算机网络中拓扑图的设计与结构描述.大量的算法是建立在图论的基础上。 (4)组合学：组合学有两个独立领域：组合数学与组合算法。除了数学理论，物理理论和哲学理论等也越来越多得在计算机应用中出现.它们的出现，为计算机技术的研究注入了新的思路，使得计算机算法有了创新和突破，同时使得计算机技术进入了一个全新的高度.学科间的相互渗透对科技的发展具有强大的推动作用，从而使得人们的生活更快捷、更人性化。1.3 图像处理常用方法图像处理常用方法1）图像变换：由于图像阵列很大，直接在空间域中进行处理，涉及计算量很大。因此，往往采用各种图像变换的方法，如傅立叶变换、沃尔什变换、离散余弦变换等间接处理技术，将空间域的处理转换为变换域处理，不仅可减少计算量，而且可获得更有效的处理（如傅立叶变换可在频域中进行数字滤波处理）。目前新兴研究的小波变换在时域和频域中都具有良好的局部化特性，它在图像处理中也有着广泛而有效的应用。 2 ）图像编码压缩：图像编码压缩技术可减少描述图像的数据量（即比特数），以便节省图像传输、处理时间和减少所占用的存储器容量。压缩可以在不失真的前提下获得，也可以在允许的失真条件下进行。编码是压缩技术中最重要的方法，它在图像处理技术中是发展最早且比较成熟的技术。 3 ）图像增强和复原：图像增强和复原的目的是为了提高图像的质量，如去除噪声，提高图像的清晰度等。图像增强不考虑图像降质的原因，突出图像中所感兴趣的部分。如强化图像高频分量，可使图像中物体轮廓清晰，细节明显；如强化低频分量可减少图像中噪声影响。图像复原要求对图像降质的原因有一定的了解，一般讲应根据降质过程建立“降质模型”，再采用某种滤波方法，恢复或重建原来的图像。 4 ）图像分割：图像分割是数字图像处理中的关键技术之一。图像分割是将图像中有意义的特征部分提取出来，其有意义的特征有图像中的边缘、区域等，这是进一步进行图像识别、分析和理解的基础。虽然目前已研究出不少边缘提取、区域分割的方法，但还没有一种普遍适用于各种图像的有效方法。因此，对图像分割的研究还在不断深入之中，是目前图像处理中研究的热点之一。 5 ）图像描述：图像描述是图像识别和理解的必要前提。作为最简单的二值图像可采用其几何特性描述物体的特性，一般图像的描述方法采用二维形状描述，它有边界描述和区域描述两类方法。对于特殊的纹理图像可采用二维纹理特征描述。随着图像处理研究的深入发展，已经开始进行三维物体描述的研究，提出了体积描述、表面描述、广义圆柱体描述等方法。无锡太湖学院学士学位论文6 ）图像分类（识别）：图像分类（识别）属于模式识别的范畴，其主要内容是图像经过某些预处理（增强、复原、压缩）后，进行图像分割和特征提取，从而进行判决分类。图像分类常采用经典的模式识别方法，有统计模式分类和句法（结构）模式分类，近年来新发展起来的模糊模式识别和人工神经网络模式分类在图像识别中也越来越受到重视5。1.4 图像处理技术的应用图像处理技术的应用图像是人类获取和交换信息的主要来源，因此，图像处理的应用领域必然涉及到人类生活和工作的方方面面。随着人类活动范围的不断扩大，图像处理的应用领域也将随之不断扩大。1）航天和航空方面航天和航空技术方面的应用数字图像处理技术在航天和航空技术方面的应用，除了 JPL对月球、火星照片的处理之外，另一方面的应用是在飞机遥感和卫星遥感技术中。许多国家每天派出很多侦察飞机对地球上有兴趣的地区进行大量的空中摄影。对由此得来的照片进行处理分析，以前需要雇用几千人，而现在改用配备有高级计算机的图像处理系统来判读分析，既节省人力，又加快了速度，还可以从照片中提取人工所不能发现的大量有用情报。从 60 年代末以来，美国及一些国际组织发射了资源遥感卫星（如LANDSAT 系列）和天空实验室（如 SKYLAB），由于成像条件受飞行器位置、姿态、环境条件等影响，图像质量总不是很高。因此，以如此昂贵的代价进行简单直观的判读来获取图像是不合算的，而必须采用数字图像处理技术。如 LANDSAT 系列陆地卫星，采用多波段扫描器（MSS），在 900km 高空对地球每一个地区以 18 天为一周期进行扫描成像，其图像分辨率大致相当于地面上十几米或 100 米左右（如 1983 年发射的 LANDSAT-4，分辨率为 30m）。这些图像在空中先处理（数字化，编码）成数字信号存入磁带中，在卫星经过地面站上空时，再高速传送下来，然后由处理中心分析判读。这些图像无论是在成像、存储、传输过程中，还是在判读分析中，都必须采用很多数字图像处理方法。现在世界各国都在利用陆地卫星所获取的图像进行资源调查（如森林调查、海洋泥沙和渔业调查、水资源调查等），灾害检测（如病虫害检测、水火检测、环境污染检测等），资源勘察（如石油勘查、矿产量探测、大型工程地理位置勘探分析等），农业规划（如土壤营养、水份和农作物生长、产量的估算等），城市规划（如地质结构、水源及环境分析等）。中国也陆续开展了以上诸方面的一些实际应用，并获得了良好的效果。在气象预报和对太空其它星球研究方面，数字图像处理技术也发挥了相当大的作用。生物医学工程方面:数字图像处理在生物医学工程方面的应用十分广泛，而且很有成效。除了上面介绍的 CT 技术之外，还有一类是对医用显微图像的处理分析，如红细胞、白细胞分类，染色体分析，癌细胞识别等。此外，在 X 光肺部图像增晰、超声波图像处理、心电图分析、立体定向放射治疗等医学诊断方面都广泛地应用图像处理技术。通信工程方面当前通信的主要发展方向是声音、文字、图像和数据结合的多媒体通信。具体地讲是将电话、电视和计算机以三网合一的方式在数字通信网上传输。其中以图像通信最为机械零件图像分割3复杂和困难，因图像的数据量十分巨大，如传送彩色电视信号的速率达 100Mbit/s 以上。要将这样高速率的数据实时传送出去，必须采用编码技术来压缩信息的比特量。在一定意义上讲，编码压缩是这些技术成败的关键。除了已应用较广泛的熵编码、DPCM 编码、变换编码外，目前国内外正在大力开发研究新的编码方法，如分行编码、自适应网络编码、小波变换图像压缩编码等。工业和工程方面在工业和工程领域中图像处理技术有着广泛的应用，如自动装配线中检测零件的质量、并对零件进行分类，印刷电路板疵病检查，弹性力学照片的应力分析，流体力学图片的阻力和升力分析，邮政信件的自动分拣，在一些有毒、放射性环境内识别工件及物体的形状和排列状态，先进的设计和制造技术中采用工业视觉等等。其中值得一提的是研制具备视觉、听觉和触觉功能的智能机器人，将会给工农业生产带来新的激励，目前已在工业生产中的喷漆、焊接、装配中得到有效的利用。军事方面在军事方面图像处理和识别主要用于导弹的精确末制导，各种侦察照片的判读，具有图像传输、存储和显示的军事自动化指挥系统，飞机、坦克和军舰模拟训练系统等；公安业务图片的判读分析，指纹识别，人脸鉴别，不完整图片的复原，以及交通监控、事故分析等。目前已投入运行的高速公路不停车自动收费系统中的车辆和车牌的自动识别都是图像处理技术成功应用的例子6。1.5 本课题达到的要求本课题达到的要求本章将介绍中智学、热平衡等数学、物理理论，并在后面章节中尝试将这些理论与图像分割相结合进行相关应用研究。无锡太湖学院学士学位论文2 图像融合图像融合2.1 图像融合定义图像融合定义图像融合（Image Fusion）是指将多源信道所采集到的关于同一目标的图像数据经过图像处理和计算机技术等，最大限度的提取各自信道中的有利信息，最后综合成高质量的图像，以提高图像信息的利用率、改善计算机解译精度和可靠性、提升原始图像的和光谱分辨率，利于监测。待融合图像已配准好且像素位宽一致，综合和提取两个或多个多源图像信息。两幅（多福）已配准好且像素位宽一致的待融合源图像，如果配准不好且像素位宽不一致，其融合效果不好。2.2 图像融合的优点图像融合的优点高效的图像融合方法可以根据需要综合处理多源通道的信息，从而有效地提高了图像信息的利用率、系统对目标探测识别地可靠性及系统的自动化程度。其目的是将单一传感器的多波段信息或不同类传感器所提供的信息加以综合，消除多传感器信息之间可能存在的冗余和矛盾，以增强影像中信息透明度，改善解译的精度、可靠性以及使用率，以形成对目标的清晰、完整、准确的信息描述。这诸多方面的优点使得图像融合在医学、遥感、计算机视觉、气象预报及军事目标识别等方面的应用潜力得到充分认识、尤其在计算机视觉方面，图像融合被认为是克服目前某些难点的技术方向；在航天、航空多种运载平台上，各种遥感器所获得的大量光谱遥感图像（其中分辨率差别、灰度等级差别可能很大）的复合融合，为信息的高效提取提供了良好的处理手段，取得明显效益。2.3 本文图像融合方法本文图像融合方法融合方法融合方法简介AVERAGEAVERAGE 用 atrous 小波变换与 EMD 算法相结合的图像融合是一种新的变换分析方法，它继承和发展了短时傅立叶变换局部化的思想，同时又克服了窗口大小不随频率变化等缺点，能够提供一个随频率改变的时间一频率窗口，是进行信号时频分析和处理的理想工具。PCNNPCNN（PCNN-Pulse Coupled Neural Network）, 也即脉冲耦合神经网络。与传统神经网络相比，有着根本的不同。PCNN 有着广泛的应用，可应用于图像分割，边缘检测、细化、识别等方面。PCNN 是 Eckhorn 于 20 世纪 90 年代开始提出的一种基于猫的视觉原理构建的简化神经网络模型，与 BP 神经网络和 Kohonen 神经网络相比，PCNN 不需要学习或者训练，能从复杂背景下提取有效信息，具有同步脉冲发放和全局耦合等特性，其信号形式和处理机制更符合人类视觉神经系统的生理学基础。机械零件图像分割5SF-PCNNSF-PCNN 是非降采样 Contourlet 域内空间频率激励的 PCNN 图像融合算法。2.4 图像融合的实现步骤如下图像融合的实现步骤如下输入：输入图像处理 1：将原始的彩色图像转化为大小像素位宽的灰色图像处理 2：利用上述三种融合方法进行图像融合输出：输出图像图像，与原始图像进行比2.5 图像融合流程图图像融合流程图输入图像转化图像融合图像输出图像2.6 图像融合主程序图像融合主程序%=% If you use the code, please cite the paper as follows:% References:%1 Qu Xiao-Bo, YAN Jing-Wen, XIAO Hong-Zhi, ZHU Zi-Qian. Image Fusion Algorithm Based on Spatial % Frequency-Motivated Pulse Coupled Neural Networks in Nonsubsampled Contourlet Transform Domain. % Acta Automatica Sinica, Vol.34, No.12, pp: 1508-1514.Dec.2008.%=%clc;无锡太湖学院学士学位论文close all;clear all;%path(path,PCNN_toolbox/)path(path,nsct_toolbox)path(path,FusionEvaluation/)%Low_Coeffs_Rule=SF-PCNN; %ave,PCNN,SF-PCNNHigh_Coeffs_Rule=SF-PCNN; %max,PCNN,SF-PCNN% ori_A=imread(clockA.tif);% ori_B=imread(clockB.tif);ori_A=imread(1.jpg);ori_B=imread(2.jpg);% ori_A=im2double(ori_A);% ori_B=im2double(ori_B);A_temp=imresize(ori_A,512,512);B_temp=imresize(ori_B,512,512);ori_A=A_temp;ori_B=B_temp;A=double(ori_A)/255;B=double(ori_B)/255;% Parameters for NSCTpfilt = 9-7;dfilt = pkva;nlevs = 0,1,3,4,4;% default% Parameters for PCNNPara.iterTimes=200;Para.link_arrange=3;Para.alpha_L=1;% 0.06931 Or 1Para.alpha_Theta=0.2;Para.beta=3;% 0.2 or 3Para.vL=1.0;Para.vTheta=20;%disp(Decompose the image via nsct .)yA=nsctdec(A,nlevs,dfilt,pfilt);yB=nsctdec(B,nlevs,dfilt,pfilt);% save the NSCT coefficients % % save yA yA% save yB yB% load the NSCT coefficients % % load (yA)% load (yB)机械零件图像分割7%n = length(yA);% Initialized the coefficients of fused imageFused=yA;%=% Lowpass subbanddisp(Process in Lowpass subband.)ALow1= yA1;BLow1 =yB1;ALow2= yA2;BLow2 =yB2;%switch Low_Coeffs_Rule case average Fused1=(ALow1+BLow1)/2; Fused2=(ALow2+BLow2)/2; case PCNN Fused1=fusion_NSCT_PCNN(ALow1,BLow1,Para); Fused2=fusion_NSCT_PCNN(ALow2,BLow2,Para); case SF-PCNN Fused1=fusion_NSCT_SF_PCNN(ALow1,BLow1,Para); Fused2=fusion_NSCT_SF_PCNN(ALow2,BLow2,Para);end%=% Bandpass subbandsdisp(Process in Bandpass subbands.)for l = 3:n % for d = 1:length(yAl) % Ahigh = yAld; Bhigh = yBld; switch High_Coeffs_Rule case max decision_map=(abs(Ahigh)=abs(Bhigh); Fusedld=decision_map.*Ahigh + (decision_map).*Bhigh; case PCNN Fusedld=fusion_NSCT_PCNN(Ahigh,Bhigh,Para); case SF-PCNN Fusedld=fusion_NSCT_SF_PCNN(Ahigh,Bhigh,Para);无锡太湖学院学士学位论文 end % endenddisp(High frequecy field process is ended)% save the NSCT coefficients % % save yA yA% save yB yB% load the NSCT coefficients % % load (yA)% load (yB)% Low_Coeffs_Rule=SF-PCNN; %ave,PCNN,SF-PCNNHigh_Coeffs_Rule=SF-PCNN; %max,PCNN,SF-PCNN% ori_A=imread(clockA.tif);% ori_B=imread(clockB.tif);n = length(yA);% Initialized the coefficients of fused image%=disp(Reconstruct the image via nsct .)F=nsctrec(Fused, dfilt, pfilt);disp(Reconstruct is ended.)%F=F*255;F(F255)F(F255)=255;F=round(F);% Eval=Evaluation(double(ori_A),double(ori_B),F,256)%figure,imshow(ori_A,)figure,imshow(ori_B,)figure,imshow(F,)% figure,imshow(F-double(ori_A),)% figure,imshow(F-double(ori_B),) 机械零件图像分割92.7 实验与分析实验与分析图 2.1图 2.2无锡太湖学院学士学位论文图 2.3图 2.4机械零件图像分割11图 2.5图片 2.1 和图片 2.2 都是机械零件图片。俩张图片是同一个机械零件，图片的俩处焊缝处都有些模糊。图片 2.3 是通过小波分割，从图片可以看出融合之后图片比之前图片较小，融合之后俩处焊缝比之前图片清晰。图片 2.4 通过 PCNN 融合方法得出图片，从图片中我们可以发现俩处焊缝比融合之前的图片清晰。图片 2.5 通过 SF-PCNN 融合方法得出的图片，从图片中我们可以发现俩处焊缝比融合之前的图片清晰。对比上述图片： 1 融合之后图片比之前图片清晰 2 整体上通过 SF-PCNN 融合方法得到的图片比其他通过 AVE 融合方法和通过 PCNN融合方法清晰，局部上（特别是焊缝结合处）后俩种方法也是有可取之处。总结：通过图像融合处理后图片比处理前的图片更清晰、完整、准确能更好的表达图片的信息，为之后的图像分割做好铺垫。无锡太湖学院学士学位论文3 图像分割图像分割3.1 图像分割原理图像分割原理图像分割是指把图像分成各具特点的区域并提取出感兴趣目标的技术和过程。图像分割的涉及的图像特点一般是灰度、纹理、颜色等，目标可以是一个区域也可以是多个区域。对于灰度图像的分割，一般是基于像素灰度值的相似性和不连续性。相似性是指在某个区域内的像素具有相同或者相似的特征，例如纹理相似、灰度值相同等.而不连续性是指在不同区域之间灰度具有不连续性.所以分割算法可以据此分为利用区域内相似性的基于域内的算法和利用区域间不连续性的基于域间的算法 7 。3.2 图像分割的方法图像分割的方法根据图像分割的原理和方法，图像分割方法主要有基于边缘检测的分割和基于区域的分割.基于边缘检测的分割以边缘检测为第一步，而基于区域的分割包含阈值法、区域生长法和空间聚类法等。 (1) 基于边缘检测的分割基本思想是先利用图像中相邻像素在像素值和纹理上的聚类变化检测出图像的边缘点，然后按照某种策略连接形成轮廓，从而构成区域.图像的边缘包围着某个区域，意味这个一个区域的结束和另一个区域的开始。(2) 基于区域的分割基本思想是根据图像数据的特征将图像分割成几个区域.常见的方法有阈值法、区域生长法、聚类法等. 阈值法是最常见、并行的检测区域的分割方法，其难点和重点是阈值的设定.单阈值法是最简单的一种，利用单阈值分割灰度图像的步骤如下.首先确定一个灰度阈值 T，然后将图像的每个像素的灰度值与 T 比较，并将灰度值分为两类，灰度值大于 T 一类，灰度值小于 T 为另一类.这两类像素对应图像中的两个区域.单阈值分割的效果有时候并不理想，因此研究人员对传统阈值法进行改进，提出来许多新的方法，包括局部阈值、模糊阈值、随机阈值等方法9。区域生长法的基本思想是将具有相似性质的像素结合起来构成区域。区域生长法从种子点出发按照一定的生长准则对邻域像素点进行判定并连接，直到完成所有像素点的连接.在应用区域生长法中需要解决 3 个问题：确定一组能代表所需区域的种子像素；确定将邻域内像素包含进来的判别准则；制定生长过程停止的条件空间聚类法是通过将特征空间的点聚类成对应的类团，然后将它们划分开，再映射回原来的图像空间以得到分割结果.空间聚类法包括硬聚类、模糊聚类、概率聚类等.空间聚类比基于边缘检测的分割方法抗噪能力强.但是由于没有利用图像像素空间的分布信息，特征空间的聚类有时会产生图像空间不连通的分割区域，所以常常还需要后处理来完成分割。图像分割是计算机技术的一个重要研究方向.噪声在图像系统中十分常见，在图像的获得、传输等过程中都不可避免会产生噪声.因此在图像处理、模式识别和计算机视觉中噪声是主要的研究内容之一。现在研究人员已经提出了大量的去噪方法，但是去噪的效果都因图而异，取决于图像的原始信息和噪声类型11。机械零件图像分割133.3 图像分割评价图像分割评价虽然尚未形成一个可以准确衡量图像分割好坏的标准，但是一个好的图像分割算法至少应该具有以下特点：(1)有效性，对于各种图像，能成功得将图像中感兴趣的区域或目标分割出来。(2)整体性，即能得到图像中兴趣区域或目标的完整区域，该边界是连续的无断点和离散点。(3)稳定性，图像分割算法稳定，对含有噪声和不含噪声的图像都有理想的分割效果。(4)精确性，分割结果理想，提取的的感兴趣的区域与实际期望的区域很贴近。 (5)自动化，图像分割过程不需人为参与。本文提出一种基于热平衡的中智学图像分割方法。通过热平衡运算及图像增强处理，使噪声点变得更平滑12。3.4 中智学简介中智学简介中智学起源于美国，作为一个新兴的学科，站在东西文化交融的角度，从对立统一的角度出发，探索从科学技术到文学艺术的一切宏观、微观问题，构造从逻辑学的统一场到超越自然科学与社会科学界限、超越一切学科的统一场，以解决当今信息科学、认知科学、系统科学、经济学、量子力学等前沿难题非确定性问题.中智学试图通过新型开放模式来改造当今的自然科学和社会科学，并实现它们的新陈代谢、突破创新和更新换代。 1995 年数学家、实验作家及创新艺术家弗罗仁汀司马仁达齐概括总结了模糊逻辑学并推出了两个崭新的概念13。(1)“中智学”关于中性的研究，是辩证法的延伸。 (2)它的“中智”派生物，比如中智逻辑学，中智集合论，中智概率论以及中智统计学，这就在哲学、逻辑学、集合论和概率统计这四个领域开创了新的研究方法。这就在哲学、逻辑学、集合论和概率统计这四个领域开创了新的研究方法。中智学努力反映事物、观念的动态. 为更好地理解中智学集合，下面将举例说明：命题“明天会下雨”并不意味着取固定值的成份结构；这个命题在时刻 1 t 可以是40% 的，50%的不确定，以及 45%的假。但是在时间 2 t 会变成 50%的真，45%的不确定，以及 30%的假（根据新的迹象、消息等）；到了明天在时刻 1 t 同一个命题会变成100%的真，0%的不确定，以及 0%的假（如果明天的确下雨）。这便是事物的动态性：真实性取值一直在随时间而变化。另外一个例子：命题的真值随着地点的变化而变化。例如：在无锡命题“现在正在下雨”0%为不确定，以及 100%为假，但是到了海南其真值变了，也许成为 (1.0. 0)。而且，真值取决于观察者并随着他变化 (主观性是函数操作符 T 、I 、F 的另外一个参数)。例如：“小张工作很认真”在她的老板看来可以是(0.35，0.65， 0.60)，但在他自己看来却是(0.80， 0.25，0.10)，或者在她的同事看来为(0.50,0.20,0.30)等。中智学是中智逻辑、中智概率论、中智集合论以及中智统计学的基础。中智逻辑是这样一种逻辑：对每个命无锡太湖学院学士学位论文题的真实度进行估计，子集 T 表示真实度的百分比，子集 I 表示不确定度的百分比，子集 F 表示谬误度的百分比.中智逻辑是用来度量真实度、不确定度和谬误度的形式框架结构。中智概率论包含经典概率论和不精确概率论两个部分。对不确定事件的处理方面中智概率论比经典概率论提供了更多更好的方法.对中智事件的分析成为中智统计。3.5 热平衡简介热平衡简介在当今计算机发展中，物理理论在计算机理论相结合已经非常普遍，并给计算机科学与技术的发展提供了强大的推动作用。而能量理论是物理理论中一个重要的方面，包了热力学系统和核力学系统。在热力学系统中，它强调的是能量守恒定律，能量守恒定律是自然界最普通最重要的基本定律之一.在日常生活到科学研究、工程技术，能量守恒定律都发挥着重要的作用。能量理论在图像处理中也应用广泛，而且应用多学科理论比仅仅使用计算机技术会更加方便有效.本节以热力学系统为基础，介绍热平衡理论并建立热平衡去噪模型。热平衡对于人体至关重要，人体的很多机能都是为了保持这种平衡。当人体温度和周围环境温度不同时，人体会自动地与环境进行热量转换，或者通过多种方式向环境散发热量，或者通过另外的方式从环境中获得热量。只有当人体达到热平衡人才会觉得舒服，我们称之为舒适度.影响人体舒适度的因素有很多，不仅与室外的温度、湿度有关还与风力大小有关.这些不同的环境因素综合影响着人的舒适度。此外，舒适度还与人的状态紧密联系，例如动、心情等.当然人的年龄、性别、习惯等因素也会左右人们对舒适度的判断。人只有对舒适度满意的情况下，身体的肌肉、大脑才能发挥出最佳的状态.这对于人们的生活、学习、工作来说是基本的保证。人体对于环境的舒适感主要受到人的热平衡的影响，所以热平衡成为人体舒适度的一种数学基础。人体通过新陈代谢氧化分解从外界摄取的食物来获得能量。而人体所获得大部分能量通过热能散发、传递到周围环境或者存储在体内以保持体温恒定，剩余部分则通过做功的方式消耗这些能量。这部分能量最终也会以热能的方式散发到外界。为了保持人体的体温恒定，尽可能得让人体达到舒适度，必须使人体的产热和散热保持一定的平衡14。典型的人体与环境间热平衡方程描述为： S=M-W-C-R-E-Q . （3.1）式中各字母表示为： S 人体蓄热率； M 人体能量代谢率； W 人体所做的机械功； C人体表面向周围环境通过对流方式散发的热量； R人体表面向周围环境通过辐射方式散发的热量； E汗液蒸发和呼出的水蒸气所带走的热量； Q热平衡系统外输能量；我们通过对热平衡理论建模将该理论用于图像去噪.该去噪模型的基本思想是根据热平衡方程，将其中的各个参数与图像的特征参数建立一种对应，并对噪声点也就是非正常像素点进行处理。对于一幅图像，我们称其中的噪声点为非正常点.噪声的存在常常使机械零件图像分割15得图像处理的效果不那么理想，而噪声又是避免不了的，因此去噪对于后续的图像处理有着重要的作用.点 p(i,j)表示图像中的某个像素点，(i,j)表示该点的像素值.点(i,j)的邻域看成是像素点(i,j) 的周围环境，邻域中的像素与该像素相关联.如果像素点是合理值即非噪声点，那么该像素值与邻域像素点的差值应该为零。该差值对应于热平衡方程中的 Q，差值的大小即为 Q 值的大小。Q 值过大或者过小都代表着该像素点为非正常点即为噪声点。当前处理的像素值(i,j) 对应于人体通过新陈代谢所获取的能量，则 M、W、C、R、E 因素对应于该像素点邻域内像素值对当前像素值的影响15。其中，p(i,j)表示像素点(i,j)的像素值，邻域大小为（ww ），p(i,j)p（mn）表示邻域内点（m，n）对点(i,j)的作用量。考虑到邻域内各像素点对当前操作像素点影响的不均等性且根据离目标像素点远的像素影响小而离目标像素点近的像素影响大这一原则，又有人体与事物接触时热交换公式： K=Ka(T-t) （3.2）p(i,j)是当前像素点(i,j) 去噪后的合理像素值，p(i,j)表示当前像素点(i,j)的原始像素值，邻域大小为（ww ），影响系数。我们将上述过程称为热平衡去噪模型。3.6 图像分割的实现步骤如下图像分割的实现步骤如下输入：输入图像（上文的原始图像和经过图像融合之后的图像）设图像为 mn 的矩阵。处理 1：将图像转化为灰度原图，加入高斯噪声。处理 2：将图像信息转化为中智学集合 T、I、F处理 3：对集合 T 进行 -热平衡运算以及 -增值运算输出：将中智学集合 T 转化为灰度域，并输出图像无锡太湖学院学士学位论文3.7 分割方法实现流程图分割方法实现流程图输入图像转化为灰度原图加入噪声转化为中智学集合热平衡和增值运算输出3.8 图像分割主程序图像分割主程序%读取图像ticg=imread(2.jpg);g=imresize(g,512,512);figure(1) % imshow(g);title(灰度原图)% g=rgb2gray(g);%转化为灰度图像figure(1)imshow(g);title(灰度原图)g= imnoise(g,gaussian,0,0.05);%加入高斯噪声imwrite(g,0.00.jpg,jpg);%噪声图写入figure(1)imshow(g);title( 噪声图);w=7;g=double(g);%数据转化为 double 型T,I=zhongzhi(g,w);%转化为中智学领域(自定义函数 1)T1,I1=junzhi(T,I);%均值热平衡的方法T2,I2 = zengqiang(T1,I1,0.85,w);%图像增强（自定义函数 3）机械零件图像分割17figure(2)imshow(T);title(前处理效果)T3=fenge(T2,I2,w);%图像聚类分割（自定义函数 4）figure(3)imshow(T3);title( 图三聚类后的图像)imwrite(T3,f0.jpg,jpg);%写入聚类结果psnr=evaluate(g,T3)%计算峰值信噪比toc3.9 实验与分析图 3.1图 3.2无锡太湖学院学士学位论文如图 3.1 和 3.2 所示俩张图片是未经融合的原始图片经 w=3（领域大小为 77）基于热平衡中智学图像分割。图像共有三处信息。零件焊缝和杆（白色），零件其余部分（灰色）零件周围空白区（黑色）。图 3.3 图 3.4机械零件图像分割19图 3.5图 3.63.3 原始图片分割无锡太湖学院学士学位论文3.4AVE 融合分割3.5pcnn 融合分割3.6sf-pcnn 融合分割上述四幅图片经过 w=3(领域大小为 33)图像分割。3.3 原始图片由于未经融合所以在焊缝处的分割结果未能体现出图片信息。不能分析零件信息。3.4 经 ave 融合分割后图片虽然可以体现焊缝处的信息但是图像噪声点太多分割效果不是很好。图片 3.5 和 3.6 都能很好体现焊缝处信息而且整体上分割效果都优于图片 3.3，3.4。图像分割有各种各样的去噪方法，抗噪性能好坏是评价一种分割方法的标准之一。中智学图像分割方法使用平滑模板进行去噪，而且随着模板大小的变化，去噪能力也会发生变化.模板越大，噪声过滤越明显；但是模板过大会导致过滤后的图像变得模糊，从而丢失了许多细节.该矛盾体现在图像处理中目标像素点的 ww 邻域大小的选择上.在一定的邻域大小范围内，参数 w 越大，同一方法对图像的去噪能力越好；反之，不同的分割方法获得相同的处理结果，所使用的参数 w 越小则说明方法更优越。从表 4-1 至表 4-3所示结果可以看出，当噪声较少时，一般选择较小的 w 值，w 值过大容易丢失图像部分细节。其中，在处理图像时 w 取值过大反而会使图像丢失更多的信息从而是噪比下降，所以该图像处理时的最佳邻域 w 值要比另外两者低.然而不同类型的噪声该方法的去噪效果不尽相同，上述结论与高斯噪声的处理结果比较相符16。该实验结界表面本章所提出的方法可以很好的提高图像的信噪比并且针对不同的图像以及含有不同类型不同程度噪声的图像选取不同的最佳邻域大小可以使得处理的结果更加理想。为了探究最佳分割领域本文选取了 w=5,和 w=7图 3.7机械零件图像分割21图 3.8图 3.9无锡太湖学院学士学位论文图 3.10图 3.7 到 3.10 为选取 w=5 之后得到的分割结果。由上图我们可以看出选用 pcnn 融合和sf-pcnn 融合后再分割得到的结果明显由于 ave 融合后的分割结果。从细节上来看选用pcnn 融合分割的结果优于选用 sf-pcnn 融合分割结果。特别从图片右下方可以清楚看出后者的颗粒多余前者。颗粒多的分割结果不利于我们图片分析。图 3.11机械零件图像分割23图 3.12图 3.13无锡太湖学院学士学位论文图 3.143.11 原始图片分割3.12AVE 融合分割3.13pcnn 融合分割3.14sf-pcnn 融合分割。图 3.11 到 3.14 为选取 w=7 之后得到的分割结果。由上图我们可以看出选用 pcnn 融合和 sf-pcnn 融合后再分割得到的结果明显由于 ave 融合后的分割结果。从细节上来看选用 sf-pcnn 融合分割的结果优于选用 pcnn 融合分割结果。但这组图片丢失图像部分细节，尤其是原始图像和经过 ave 融合分割后的图像在焊缝区几乎是一片白色。这显然不利于图像的分析。图像 3.5、3.9、3.13 是通过同一种方法（pcn）融合方法再分割的图像。由图像可以看出 w 越小图像分割效果越明显，但图像颗粒点越多。图像分割中不是 w 越小效果越好。随着 w 增大图像颗粒越少，噪声过滤越明显但是图像变得模糊。就这三幅图而言分割效果最好的是 w=5。图像 3.6、3.10 和 3.14 是通过 sf-pcnn 融合分割的图像而这三幅分割效果是 w=7。结论：图像分割结果不是 w 越小越好，图像分割效果噪声过滤程度和图像的细节来决定。不同融合方法得到的图像再分割时最适合的 w 是不同的。最适合的 w 取决于我们实际需要。机械零件图像分割254 总结和展望总结和展望4.1 论文工作总结论文工作总结如今，图像处理技术已经是计算机科学技术的其中一个重要的研究方向，同时也被运用于各种领域，尤其在机械图像处理上显得更加高深.图像融合、图像分割作为图像处理技术的关键技术之一，是图像进一步分析与理解的基础，图像分割结果的好坏直接影响到图像处理的最终效果。本论文在阅读大量国内外文献之后，做了如下的工作： (1)首先，本文介绍了 ave、pcnn、sf-pcnn 的融合方法，并应用这些融合方法融合了俩张原始图像。（2）系统地介绍了数字图像处理技术、聚类分割技术、中智学理论以及热平衡理论。然后详细介绍了中智学在图像处理中的应用，并根据中智学理论的特点提出了热平衡去噪模型。(3)根据中智学不确定性理论，定义了热平衡运算的概念并提出基于热平衡的图像分割方法.通过 MATLAB 编程环境，实现了该方法对不同种类医疗图像的分割.在中智学基础上引入能量理论，充分考虑了邻域信息的不确定性及分布的不均衡性，使得邻域像素对目标像素的影响力量化更加合理更加准确，因为分割的结果也比较理想.通过多组实验，添加不同类型不同程度的噪声，证明了该方法对于医疗图像处理的可行性并且具有较高的抗噪性以及实用性.同时该方法减少了运算次数因而也具有良好的时效性。无锡太湖学院学士学位论文4.2 不足之处及未来展望不足之处及未来展望本论文提出的方法经过试验证明是有效的、可行的，而且具有较好的抗噪性，但是也存在着一些局限性。本文介绍了 ave、pcnn、和 sf-pcnn 融合方法。这三种方法不一定都适用本文原始图像的融合。基于热平衡的中智学分割算法虽然减少了运算速度，但是和中智学方法是一脉相承的体系.目前还只针对灰度图像做了相关研究，方法实现上有一定的局限性.而且算法中的某些参数是根据实验经验得来的实验中的噪声只选择了高斯作为研究对象，噪声的选择同时不具有普遍性.对于噪声强度高的图像分割效果不是非常理想。机械图像本身信息复杂丰富又对图像分割的准确性有很高的要求，所以某些图像的分割效果不令人满意。因此，如何进一步扩展该方法的广泛性，将其应用到不同类型的机械图像包括灰度图像和彩色图像以及实现相关参数的自适应选取是未来工作的研究重点。致谢致谢时光飞逝，转眼间美好的本科生活就要结束了.最青春最珍贵的本科四年，我学到了很多知识，取得了许多成绩，许多同学、老师陪我度过了快乐的大学时光，我们一起学习一起游玩，无论是学习上还是生活上他们都给我了许多帮助，给我留下了最值得珍

温馨提示:
1: 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
2: 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
3.本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

人人文库网所有资源均是用户自行上传分享，仅供网友学习交流，未经上传用户书面授权，请勿作他用。