0923119-彭健-机械零件图像分割

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 0923119 学生姓名 彭 健 指导教师 王士同 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 I 无无锡锡太太湖湖学学院院 信信 机机 系系 机机械械工工程程及及自自动动化化 专专业业 毕毕 业业 设设 计计论论 文文 任任 务务 书书 一 题目及专题 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 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 四 接受任务学生 机械 93 班班 姓名姓名 彭 健 五 开始及完成日期 五 开始及完成日期 自自 2012 年年 11 月月 12 日日 至至 2013 年年 5 月月 25 日日 六 设计 论文 指导 或顾问 六 设计 论文 指导 或顾问 指导教师指导教师 签名签名 签名签名 签名签名 教教研研室室主主任任 学科组组长研究所学科组组长研究所 所长所长 签名签名 系主任系主任 签名签名 2012 年年 11 月月 12 日日 V 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 Abstract In 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 VII 目目 录录 摘 要 V ABSTRACT VI 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 机械零件图像分割 1 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 无锡太湖学院学士学位论文 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 机械零件图像分割 3 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 无锡太湖学院学士学位论文 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 机械零件图像分割 5 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 AVERAGE AVERAGE 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 PCNN PCNN 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 无锡太湖学院学士学位论文 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 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 机械零件图像分割 7 close all clear all path path PCNN toolbox path path nsct toolbox path path FusionEvaluation Low Coeffs Rule SF PCNN ave PCNN SF PCNN High 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 NSCT pfilt 9 7 dfilt pkva nlevs 0 1 3 4 4 default Parameters for PCNN Para iterTimes 200 Para link arrange 3 Para alpha L 1 0 06931 Or 1 Para alpha Theta 0 2 Para beta 3 0 2 or 3 Para 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 无锡太湖学院学士学位论文 n length yA Initialized the coefficients of fused image Fused yA Lowpass subband disp Process in Lowpass subband ALow1 yA 1 BLow1 yB 1 ALow2 yA 2 BLow2 yB 2 switch Low Coeffs Rule case average Fused 1 ALow1 BLow1 2 Fused 2 ALow2 BLow2 2 case PCNN Fused 1 fusion NSCT PCNN ALow1 BLow1 Para Fused 2 fusion NSCT PCNN ALow2 BLow2 Para case SF PCNN Fused 1 fusion NSCT SF PCNN ALow1 BLow1 Para Fused 2 fusion NSCT SF PCNN ALow2 BLow2 Para end Bandpass subbands disp Process in Bandpass subbands for l 3 n for d 1 length yA l Ahigh yA l d Bhigh yB l d switch High Coeffs Rule case max decision map abs Ahigh abs Bhigh Fused l d decision map Ahigh decision map Bhigh case PCNN Fused l d fusion NSCT PCNN Ahigh Bhigh Para case SF PCNN Fused l d fusion NSCT SF PCNN Ahigh Bhigh Para 机械零件图像分割 9 end end end disp 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 PCNN High 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 F 255 255 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 无锡太湖学院学士学位论文 2 7 实验与分析实验与分析 图 2 1 图 2 2 机械零件图像分割 11 图 2 3 图 2 4 无锡太湖学院学士学位论文 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 机械零件图像分割 13 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 无锡太湖学院学士学位论文 3 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 机械零件图像分割 15 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 无锡太湖学院学士学位论文 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 w w 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 w w 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 m n 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 机械零件图像分割 17 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 tic g 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 无锡太湖学院学士学位论文 figure 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 toc 3 9 实验与分析 图 3 1 图 3 2 机械零件图像分割 19 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 7 7 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 无锡太湖学院学士学位论文 图 3 5 图 3 6 3 3 原始图片分割 机械零件图像分割 21 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 3 3 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 w w 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 无锡太湖学院学士学位论文 图 3 8 图 3 9 机械零件图像分割 23 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 无锡太湖学院学士学位论文 图 3 12 图 3 13 机械零件图像分割 25 图 3 14 3 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