图像开题报告 2.docx
《图像开题报告 2.docx》由会员分享,可在线阅读,更多相关《图像开题报告 2.docx(8页珍藏版)》请在冰点文库上搜索。
图像开题报告2
重庆师范大学
硕士论文开题报告
及论文实施计划
院系数学学院
专业应用数学
研究方向数字图像处理
研究生张勇
指导教师刘武、吴至友
入学年月2009年9月
重庆师范大学研究生处
年月
说明
一、研究生应在入学后的第四学期内完成开题报告。
二、本表一式四份,二份交院系,一份指导教师保存,一份研究生保存。
研究生自存的此表,应在答辩前交所在院系,作为答辩申报材料之一。
三、研究生所在院系应于第四学期的第十八周内交一份给研究生处备案。
一、论文开题报告
论文题目:
《数学形态学理论及图像边缘检测中的应用》
题目来源
省、市
自治区
横向
自选
题目
类型
基础
研究
应用
研究
重庆
√
√
开题报告内容(课题学术和应用意义,国内外现状综述;研究的内容、目的;技术线路,拟采取的研究方法,存在问题及拟解决的具体措施等)
一、课题的学术和实用意义
1964年法国地质学家G.Matheron和J.Serra创立数学形态学理论,这是一门新兴的图像分析科学。
这是一门建立在严格数学理论基础上的学科,以集合论为其数学基础。
其基本思想是用具有一定形态学结构的元素去度量图像中的对应形状,以达到对图像分析和识别的目的。
结构元素可以有任意的大小和形状,腐蚀和膨胀是形态学的基本运算,腐蚀具有收缩图像作用,膨胀具有扩大图像作用,它们的一些基本运算和形态学的算子相互结合,可以构造出许多非常有效的图像处理与分析方法。
利用数学形态学处理图像是一种非线性滤波方法,可以用来解决抑制噪声,特征提取,边缘检测,图像分割,形状识别,文理分析,图像恢复与重建,图像压缩等图像处理问题。
所以在图像处理方面得到广泛的应用。
在计算机视觉和图像处理系统中,图像的边缘是图像局部特征不连续性的反映,是指那其周围像素灰度有阶跃变化或屋顶变化的那些像素的集合,它是图像的最基本得特征,图像的边缘中包含图像物体许多有价值的边界信息,这些信息可以用于图像分析,滤波,以及目标识别,并且通过边缘检测可以极大地降低后续图像分析处理的数据量。
图像的边缘边缘检测是一种非常重要的推向预处理方法,它提取的效果直接决定了后续处理的质量,利用数学形态学对图像进行边缘检测的方法在处理速度,健壮性,精确度方面与其他方法相比更具优势,而且不需要建立一个前期的图像模型,因而利用数学形态学进行图像边缘检测具有极其重要的研究价值和应用前景。
二、国内外现状综述
从上世纪70年代数学形态学的创立时到现在已经在图像工程中得到了广泛应用,形成了一个比较系统的完整的体系。
从当初用单一的结构元素去处理图像后来发展到后来不断尝试用多尺度就够元素去处理图像,从当初只能进行灰度图片的检测到形态学在彩色图像边缘检测中的应用越来越引起人们的关注并逐渐走向成熟。
可以说成果十分丰富。
从数学形态学1964形态学的提出到数学形态学真正在图像边缘检测中的应用,可以归结为一本书一个人。
这本书是Serra在1982年完成的《图像分析与数学形态学》(Imageanalysisandmatheticalmorphology)[1]最初的形态学是面向集合的,这本书将他们扩展到其他领域时,如对(网络),图像处理,平移或旋转会影响到处理过程,甚至使处理过程无效,一些概念,如连通性,测地性等需要用新的符号来描述,这就使形态学在图像的边缘检测具有更广泛的适用性。
我国早在二十世纪七十年代便引入了数学形态学为基础的实用图像处理系统。
近年来,已经开发出了基于数学形态学的图像处理产品。
,一些科研院所和教学方面引入了数学形态学的方法和内容,如中国科学院物理研究所等几个研究所合作开发的癌细胞自动识别系统,便以数学形态学为基础的边缘检测技术的应用。
1989年电子工业出版社的《数字图像处理》教材也收入了数学形态学的在图像边缘检测有关教学内容。
此外,国内还出版了有关数学形态学在图像边缘检测方面的著作和一定数量的学术论文,如1990年由上海科技文献出版社出版,吴敏金编著的《图像形态学》一书[2];1990年由科学出版社,唐常青等编著的《数学形态学方法及其应用》一书;1997年有科学出版社出版,龚炜,石青云,程民德等编著的《数字空间的数学形态学—理论及应用》一书[3]。
大量的研究工作促进了数学形态学在边缘检测应用的发展,刚开始利用单一的结构元素进行图像的边缘检测,不能得到满意的结果,1997年BhabatoshChanda等在文[4]当中首次开始探索在数学形态学中利用多尺度的结构元素对图像进行边缘检测。
1998年YoshinobuSato,ShinNakajima,NobuyukiShiraga等在文[5]当中将多尺度的结构元素形态学的边缘检测算法利用到医学图像当中,之后多尺度检测图像边缘的方法应用到各个领域,多尺度结构元素检测得到的图像效果要好于利用单一结构元素得到的图像,但是随着大量深入的研究发现结构元素的尺度变得太大时,效果反而不是很明显,却使计算量显著增加。
2003年刘循,游志胜在文[6]中开始对形态结构的元素进行调整发现当尺度参数n=9时得到较满意的检测效果,之后很多研究者开始研究用尺度形态结构元素处理图像边缘的问题,尺度参数为何值时得到的检测图像效果好并且尽量使计算量降到最低。
2005年付永庆,王咏胜在文[7]中也引入了多尺度的概念,并且对形态结构元素的尺度的的大小进行调整,通过实验得到了当尺度n=5时效果达到较好的同时,计算量也最小。
2010年黄海龙,王宏,等在文[8]中提出了一种基于多形状多尺度结构元素的自适应边缘检测算法,分别使用不同方向和大小的结构元素提取图像边缘,对多形状结构元素和多尺度结构元素检测的边缘做融合处理。
实验表明该算法有效抑制了噪声的影响,提高了检测精度,对于不同图像具有很好的鲁棒性。
随着彩色图像的应用越来越广泛,如何利用数学形态学处理彩色图像的边缘受到越来越多的关注,彩色图像与灰度图像相比能够提供更多的信息。
有研究表明,彩色图像中约有90%的边缘与灰度图像中的相同,也就是说,有10%的边缘在灰度图像中是检测不到的。
自1997年Nevatia发表了第一篇彩色图像边缘检测论文[9]以来,人们提出了各种检测彩色图像边缘的方法,然而许多都是灰度图像边缘检测方法的直接扩展,难以收到很好的彩色图像边缘提取效果。
刚开始彩色图像边缘检测算法主要在RGB颜色空间中实现的,这些算法将灰度边缘检测算法应用于R,G,B颜色分量,再通过一些方法将所得结果结合起来,如Sobel算子,Laplacian算子,Mexican算子。
1994年LeeJH,ChangBH,KimSD,在文[10]中研究,并通过实验发现,使用RGB颜色模型的缺点是没能很好地模拟人类对颜色的视觉感知,人们难以将某一RGB值与一确定的颜色直观的对应起来。
而由色调、饱和度S和亮度I三个颜色分量组成的颜色模型(HIS)对颜色的描述更符合人对颜色的视觉理解,亮度和色度的分离也更有利于图像边缘检测处理,目前基于此颜色模型的彩色边缘检测研究还比较少,1995年WeeksAR等人在文[11]提出了首次提出用HIS颜色空间的边缘检测算法。
该算法对H,S和I三个颜色分量分别应用Sobel算子进行边缘检测,最后,将3个边缘组合平均形成颜色边缘,该算法对抗噪性不是很好,。
2005年范立南,韩晓微等在文[12]中建立了HIS颜色空间彩色形态学边缘检测梯度理论,并基于该理论得到较满意的彩色边缘检测图像。
2009年刘学峰,王士同在文[13]中在Sugeno模糊积分和柔性多结构基础上,提出新的彩色图像形态学滤波器和边缘检测方法。
基于Sugeno模糊积分的评价值进行彩色图像的矢量排序,通过结构元素的比较分析,得出柔性多结构元素抗噪能力更强,能够更有效地去除图像的噪声和获取彩色图像的边缘,保留图像边缘细节。
2010年高丽,令晓明在文[14]中针对RGB空间中很难有效区分颜色相似性的问题,悬着更佳符合颜色视觉特征的HIS颜色空间进行图像处理,提出了一种基于HIS空间的多结构多尺度自适应彩色图像检测方法。
该方法可以从分利用彩色图像的色度,饱和度,和亮度信息,有效地抑制噪声,自适应地提取完整的边缘信息。
2011年王金凤,焦斌亮在文[15]中构建了一类在HIS颜色空间基于多结构元彩色形态边缘梯度检测算法实现彩色图像边缘检测新算法,多结构元形态边缘检测有着比单一结构元素形态边缘检测更优越的性能。
经过大量的实验证明,该算法在有噪声干扰的情况下,比传统的方法能够更好地抑制噪声并提取有用的图像边缘信息,满足不同的应用需要。
但是得到图像的质量还是不完美,有待改进。
三、研究的内容、目的、
拟研究的主要内容:
受文[7][8][9][11][12][15]中思想的启发,本课题想基于数学形态学的多尺度结构元素集合HIS空间对彩色的图像进行边缘检测的研究。
得到较完美的边缘检测图像
拟研究以下内容:
(1)研究基于数学形态学的多尺度结构元素的算法,确定权重系数,取不同尺度,不同方向的结构元素进行试验,对图像做融合处理。
(2)研究基于数学形态学的彩色图像边缘检测,针对在RGB颜色模型不能很好地模拟人类对颜色视觉感知,有效区分颜色相似。
选择更符合视觉特征的HIS空间对图像边缘检测进行研究。
(3)研究利用多尺度结构元素并在HIS颜色模型进行图像的边缘检测,得到满意的处理结果。
研究目的:
利用数学形态学,选取更加合理的多尺度多结构元素建立HSI空间进行彩色图像的边缘检测,探索彩色图像边缘检测的方法。
四、技术线路,拟采取的研究方法:
文献法、实验法、案例研究法。
五、存在问题及拟解决的具体措施:
存在问题:
(1)如何选取合适方向,合适尺度的结构元素才能使得检测图像时,既能尽量的得到完整的图像边缘信息,又能够具有很好的抗噪性和精确性。
(2)选取的不同方向的,不同尺度的结构元素在HIS颜色空间算法的建立,以及得到的图像边缘怎么样如何利用信息熵进行加权融合从而得到较满意的边缘检测图像。
拟解决的具体措施:
(1)根据文[6][][7]尺度参数n=9,n=5得到较好的效果,取不同方向的尺度n=9,n=5的多尺度结构元素进行试验。
(2)根据文[13][14][15]启发通过
(1)找到适合彩色图像的多结元素的尺度,然后对三个边缘分量利用信息熵加权融合得到最后的图像边缘,然后通过实验验证本文的算法。
六、参考文献:
[1]SerraJ.Imageanalysisandmatheticalmorphology.NEWYORK:
Academic.1982.
[2]吴敏金.图像形态学[M].上海:
上海科学技术文献书版社.1990.
[3]龚炜.石青云.程敏德.数字空间中的形态学理论及应用[M].北京:
科学出版社,1997.
[4]BhabatoshChanda,MalaykKundu,Y.vaniPadmaja.Amulti-scalemorphologicedgedetector[J].PatternRecognitionSociety,1998,10:
1469-1478.
[5]YoshinobuSato,ShinNakajima,NobuyukiShiraga.Medical.Three-dimensionalmulti-scale
linefilterforsegmentationandvisualizationofcurvilinearstructuresinmedicalimages.
MedicalImageAnaiysis1998,2:
143-168.
[6]刘循.游志胜.多尺度形态学图像边缘检测方法[J].光电工程,2003(3).
[7]付永庆.王咏胜.一种基于数学形态学的灰度图像边缘检测算法[J].哈尔滨工程大学学报,2005,26(5).
[8]黄海龙.王宏.张金峰等.一种基于数学形态学的多形状多尺度边缘检测算法[J].东北大学学报,2010,31(10).
[9]NevatiaR.Acoloredgedetectoranditsuseinscenesegmention[J].IEEETransonSys,Man,andCybern,1997,7(11):
820~826.
[10]LeeJH,ChangBH,KimSD.Comparisonofcolortransformationsforimagesegmentation[J].IEEETransonElectronicsLetters,1994,30(20):
1660~1661.
[11]WeeksAR,FelixCE,MylerHR.EdgedetectionofcolorimagesusingtheHSLcolorspace[A].In:
SPIEProceedings[C].1995.291~301.
[12]范立南.韩晓微.徐心和.基于HIS空间彩色图像多结构元形态边缘检测[J].工程图学学报,2005,26
(2):
110-113.
[13]刘学峰.王士同.基于Sugeon模糊积分的形态学彩色图像处理[J].计算机工程,2009,35(3):
227-232.
[14]高丽.令晓明.基于数学形态学的HIS空间彩色边缘检测方法[J].光电工程2010,37(4):
125-130..
[15]王金凤.焦斌亮..基于HSL空间彩色图像多结构元形态边缘检测[J].计算机工程与应用,2011,47(15):
216-218.
二、论文工作实施计划
论文工作的全体进度与安排(含调研、完成时间等)
起止时间
进度安排
备注
2011.2–2011.3
论文选题
与导师商量
2011.3–2011.5
资料收集、整理和进行文献评述
2011.5–2011.6
撰写和提交开题报告
2011.6–2011.10
完成论文初稿
导师指导
2011.12–2012.3
修改并进行初稿的完善
与导师商量
2012.4
提交最终研究成果
三、指导教师综合意见
对报告人论题的理论意义和应用达到的程度等的综合意见
指导教师:
年月日
四、开题报告论证记录
包括时间、地点、参加人、提问及回答要点等
时间:
地点:
重庆市中带你实验室(运筹学重点实验室5101室)
记录(签名):
年月日
对报告人确定的论题的理论意义、可行性、是否同意撰写论文等
主持人(签名):
年月日
院系意见
负责人(签名):
年月日
计划变动情况
研究生处(盖章)
年月日
五、报告会结论