深度图像超分辨率重建算法研究-信息与通信工程专业毕业论文
合肥工业大学
煳Y30㈣28711删学历硕士学位论文
深度图像超分辨率重建算法研究
201 6年4月
A D issertation Submitted for the Degree of Master
Depth Map Super--resolution Reconstruction
Algorithm Research
By
Tu Yi
向
Hefei University of Technology
Hefei，Anhui，P．R．China
April，2016
合肥工业大学
本论文经答辩委员会全体委员审查，确认符合合肥工业大
学学历硕士学位论文质量要求。
答辩委员会签名(工作单位、职称、姓名)
主席：
伪彤平氍膨韶誓
赖：黔Ⅵ
／／)
V
喇删l ／疹拭
衫睁刍
蚴
左
乖
如。秘
捌坦：
谚絮天厚髻斯 熬撕巩始嘏撇 奋11嗲屯
——1
∞’l‘，TJ 、。J ll r 一丫二’
令例企弘她肥
导师：
≥州蝤)份眇≮弘援．
学位论文独创性声明
叁人郑晕声fyl：所I：?-k!S。的学位沦文是本人在导师指导下进行独立研究：l二作所取{朝：』戒泶，．捌我艇知，豫r史中特别加以标注和致岗的{勾容外，论文j{l巧i包含其他入已经发表或撰写过的研宄成果，也不包含为获得金』巴工业太学或其他教育机构的学位或证书丽使用过的材料。对本文成果做出贡献的个人和集体，本人已在论文中作j7明确的说明，并表示谢意。
学位论文r扣表达的观点纯属作者本人观点，与合肥：b№大学无关。学位论文作者签名：签名日期：加肜年争月伊曰
学位论文版权使用授权书
本学位沦文作者完全j7解合肥]■k大学有关保留、使用学位论文的规定，即：除探密期内的涉密!学位论文外，学校有权保存并向幽家有关部门或机构送交论文韵复国件和电一于光箍，允岁{：论文被查阅或借阅：本人授权合肥：r业大学可以：陌本!学位论文的全部或部分内容编入有关数据库，允许采用影印、缩印或扫描等复制手段保存、汇编学位论文。
(保密的学位论文在解密后适用本授权二转)
指哥：教9甬签名；
签名lI I期：沙肜年争月矽曰签名I J期：y／占年≯月汐日
沦文作者辛qk-k-向
工作单位：联系电
话：
通汛地址：邮政编码：
致谢
时光飞逝，转眼间已在合工大度过了七年，直到现在要离开，才开始意识
到自己是多么的不舍。回首往昔，仿佛还置身于那一张张青涩的脸庞，顿时感
慨万千。这一路走来，既有成功的喜悦，也有失败的泪水；有充满斗志的澎湃
时刻，也有迷茫摸索的灰色时期。正是这样跌宕起伏的校园经历，让我褪去了
刚进校园时的稚气，变得更加成熟。借此论文完成之际，对在大学学习期间帮
助过和关心过我的所有人表达真挚的谢意。
首先要感谢我的导师张旭东教授，感谢张老师在研究生三年来对我的指导
和关心。在科研过程中，从最初课题研究方向的确立，到最后的理论研究和实
验细节，张老师都给予了我许多宝贵的指导建议，让我明确了前进的方向，少
走了许多弯路。在生活当中，张老师时刻关心照顾我们，为我们提供了一个宽
松自由的生活环境。他渊博的科研知识和严谨的科研态度，让我懂得了如何做
好科研工作；他包容的人生观和淡然平和的人生态度让我懂得了如何做人，受
益终生。同时我还要向实验室胡良梅老师表示感谢，她力求完美的工作作风和
善良的品质都是值得我在以后的学习和工作过程中学习和借鉴的。本论文是在
张老师和胡老师的悉心指导下完成的，他们耐心地指导我撰写和修改论文。在
此，谨向他们再次表示衷心的感谢和崇高的敬意。
我还要特别感谢图像信息处理实验室的高隽教授，高老师严谨的治学态度，渊博的知识储备和丰富的人生阅历给我留下了深刻的印象，指引着我前进的方
向。感谢高老师为我们提供的优良学习环境，让我我可以轻松舒适地学习工作。感
谢实验室范之国老师、徐小红老师和谢昭老师在学习和生活上给我的指导和帮
助。同时非常感谢张骏师姐和王玲妹师姐在学习和工作上给予我的帮助
和照顾，是你们让我理解和掌握了研究生的工作。感谢高欣建、邸维巍、高亚捷、陈仲海师兄和李梦娜、王一、陈欣师姐的
指导和帮助，让我尽快地适应了研究生的生活和科研工作，在此表示我真诚的
谢意。也要感谢3D图像小组的许林、姬长动、时建奇、王钰以及师弟师妹
们，因为有你们在身边，我的研究生生涯变的更加的丰富多彩，感谢大家在
科研工作上给我的帮助。
最后我要感谢我的父母，感谢你4f3--十多年的无怨无悔的付出，也感谢我
亲爱的姐姐，总是在遇到挫折的时刻听到你的鼓励和关心。在此，衷心的感谢
各位的支持与陪伴，谢谢你们。
作者：涂义福
2016年4月1
日
T
摘要
深度信息作为立体视觉研究领域的关键内容，是图像研究领域的热点之一。TOF相机是一种新型的三维成像设备，具有实时性好、帧率高且无需扫描等特点，在模式识别，机器人导航、三维可视化等方面得到广泛应用。针对TOF相机获取的深度图像分辨率低的问题，本文分别开展了基于融合深度图像与高分辨彩色图像的超分辨重建方法和基于TOF深度图像序列的超分辨率重建方法的研究工作，取得了较好的效果。本文的主要工作如下：
(1)阐述了深度图像超分辨率重建的研究背景及意义，概述了当前该技术的国内外研究现状，重点介绍了超分辨重建技术的相关理论、退化模型以及相关图像质量评价标准。
(2)针对深度图像超分辨重建过程中易出现边缘模糊和纹理映射问题，本文在自行搭建的RGB．Depth立体视觉系统上，设计并实现了一种基于边缘特征引导
的深度图像超分辨率重建方法。该方法利用数据融合的方法提取出深度图像边缘
特征，并以此为依据引导待重建的深度图像进行超分辨率重建。实验结果表明该
算法可以有效的保护图像的边缘结构且解决纹理映射的问题。(3)本文实现了一种基于L．范数和L，范数加权的双边正则化超分辨率重建
方法。依据建立的深度图像的退化模型，采用基于L，范数和L，范数的加权数据项和双边正则化约束项，构造了模型的优化目标函数。最后根据最陡梯度下降法对目标函数进行迭代求解，重建出高分辨率的深度图像。该方法有效保护图像的细节信息，抑制了图像中的噪声，取得了较好的重建效果。
关键词：深度图像；超分辨率重建；边缘特征；加权数据项；
ABSTRACT
Depth information which as a key content in stereo vision is one of hot researches in the field of image．TOF as a new three dimensional
imaging eqmpmem has the advantages of good real-time，high frame rate and without scanning．It is widely used
in pattem recognition，robot navigation，three dimensional visualization and other areaS．As for the issue of low resolution depth map captured by TOF．we carry out
super resolution reconstruction based on
fusing depth．map with high resolution color
image and 1mage super resolution reconstruction based on sequence
depth map
captured by
TOF．Our contribution iS as follows：
(1)Introducing the background and research status of super res01ution reconstruction based on depth map，then describe the image degradation model，the technology of super resolution and related image quality evaluation standard．
(2)As for the issue of edge blurring and texture copying in depth map captured by super。resolution method，we designs and achieve a super．resolution reconstruction
method with edge feature-guiding on the RGB．Depth stereo vision
system．we extract edge features from depth map through data fusion，then execute super．res01ution reconstruction with low revolution depth map guiding．Experimental results
demonstrate that our algorithm Can protect the image edge structure
effectively，also solve the problem of texture copying．
(3)Improving a bilateral regularized super．resolution reconstruction method based
on weighting term between L1 norm and L2 norm．0n the basis of the
degradation
model of depth map，we use the weighted data item based
on L1 norm and L2
no肌
and bilateral
regularization item as the constraint item in the model，then construct an optimization obj ective function．Finally，we obtain high resolution depth map through iterative by the objective function with steepest gradient descent method．Our method preseⅣe the detail of image effectively and，restrain the image noise to achieve a good result
Keywords：Depth map；Super—resolution reconstruction；Edge features；The weighted data itern
III
目录
第一章绪论1 1．1研究背景与意义．1 1．2国内外研究现状．3 1．3本文研究内容与章节安排．6 第二章深度图像超分辨率重建相关理论概述．7 2．1深度图像的退化模型．7 2．2常见的深度图像超分辨重建方法10 2．2．1基于深度图像序列的超分辨重建方法．1 1 2．2．2基于信息融合技术的超分辨率重建方法．13 2．3图像重建结果评价标准 1 5 2．4本章小结16第三章融合高分辨率彩色图像的超分辨重建方法18 3．1图像采集及预处理 1 8 3．1．1 TOF相机测距原理．．20 3．1．2 RGB．Depth立体视觉系统标定．．21 3．1．3 RGB．Depth立体视觉系统配准．．27 3．2基于深度图像边缘特征引导的超分辨重建方法28 3．2．1联合双边滤波器．29 3．2．2基于边缘特征引导的深度图像超分辨重建方法．30 3．3实验结果与分析32 3．3．1实验参数设置．32 3．3．2基于TOF相机真实拍摄的深度图像的重建结果32 3．3．3 Middlebury数据集的重建结果．．33 3．4本章小结35第四章基于TOF深度图像序列的超分辨重建方法．36 4．1深度图像去噪36 4．1．1中值滤波．36 4．1．2非局部均值滤波．37 4．1．3基于可信度的高斯滤波器．38 4．2运动参数估计39 4．3基于TOF深度图像序列的超分辨重建．40 4．3．1数据项分析．41
IV
4．3．2正则化项选择．42 4．3．3基于Ll范数与L2范数加权的双边正则化超分辨重建方法．43 4．4实验结果及分析44 4．5本章小结46第五章全文总结与展望47 5．1全文总结47 5．2工作展望48参考文献．49 攻读硕士学位期间的学术活动及成果情况．53
插图清单
图1．1军事遥感图像领域的应用．．2图1．2逆向工程领域的应用．．2图1．3医学图形领域的应用．．3图1．4安防领域的应用．．3图1．5本文逻辑关系结构图一6图2．1深度图像的退化过程示意图．．8图3．1融合高分辨率彩色图像的深度图像超分辨率重建方法18图3．2 RGB．Depth立体视觉系统 1 8图3．3 TOF相机的组成．20图3．4 TOF相机基本工作原理20图3．5相机与世界坐标系21图3．6图像坐标系22图3．7棋盘格标定板24图3．8 Halcon圆点阵列标定板24图3．9 Halcon标定流程示意图25图3．10 RGB相机Halcon标定结果25图3．11 TOF相机Halcon标定结果．26图3．12 RGB--Depth立体视觉系统配准示意图27图3．13 RGB．Depth立体匹配结果．．28图3．14联合双边滤波器原理示意图．．29图3．15方法流程示意图．．30图3．16区域分割示意图．．3 1图3．17真实场景图实验对比．．33图3．18 Middlebury--数据集实验结果34 图4．1基于TOF深度图像序列的超分辨重建原理框图36图4．2权值贡献示意图37图4．3块匹配搜索过程40图4．4 TOF相机初始深度图像44图4．5去噪后图像44图4．6重建结果对比45
VI
表格清单
表3．1 RGB相机参数19表3．2 TOF相机规格参数19表3．3 RGB相机的内部参数26 表3．4 TOF相机的内部参数26表3．5均方根误差比较34表3．6结构相似度比较35表4．1峰值信噪比对比46表4．2结构相似度对比46
第一章绪论
帚一旱殖比
第一章绪论
1．1研究背景与意
义
深度信息【2J作为人类感知三维空间事物的重要手段，己广泛应用于空
间位姿测量、机器人视觉、多媒体娱乐等领域【3儿4儿5|。随着计算机视觉和
3D 技术的快速发展，如何获取到高分辨的深度信息正成为三维视觉领域的
一个研究热点问题。针对这一问题，国内外众多的学者及相关研究机构开展了许
多工作，并取得了一定具有科研意义及应用价值的研究成果。
目前获取现实场景的深度信息的途径主要有激光测距扫描仪【6J，双目
立体视觉系统【_71、Kinect相机【8 J等。其中激光测距扫描仪可以提供高精度
的三维信息，但是需要不断地逐行扫描，时间过长，且会有数据缺失，极大
地限制了其应用：双目立体视觉系统是通过简单的两台相机设备搭建的，通
过后期处理获得的深度图像，但对配准精度要求较高，且实时性较差；Kinect
相机是美国微软开发的一款基于光编码的测距设备，可以快速地采集到场景
的深度信息，然而其距离测量范围较小(1．2m．3．5m)，且获得的深度数据存
在着“空洞”现象，限制了其应用；基于飞行时间原理(Time of Flight，TOF)
技术的三维相机，是一种新式的探测距离设备，其主要是通过自身发光二极
管阵列主动发射调制红外光，经相机传感器计算发射信号与反射信号的时间
延迟，直接测出场景的三维深度信息。与上述传统的深度信息测量方法相
比，TOF相机能够快速且实时地获取现实场景的深度信息、强度信息以及
幅度信息，且具有不受场景光照条件限制的优点。然而受当前硬件水平的
限制，TOF相机的分辨率普遍比较低，且存在大量的随机噪声，难以满足一
些实际应用的需求。
针对TOF相机存在的问题，可以通过研制高水平的硬件设备来解决，但是成像过程中易出现的图像退化和噪声污染问题还是无法解决，且硬件工艺的提升一般是有限的，当相关技术瓶颈难以突破时，就会导致整个研发周期过长，生产成本提高，不利于推广使用。因此采用软件编程的方法正成为解决该问题的实用途径。这种方法优点主要在于其无需改变现有成像设备，仅仅是利用相关算法对原始深度图像的处理就可以克服硬件条件的限制，提高其分辨率，使之达到相关应用的要求。
超分辨率重建技术【9—2l(Super．resolution Reconstruction，SR)是一种可以
用于提高图像分辨率的有效手段，其原理是在不改变现有成像传感器的情况下，通
过相关算法对低质量低分辨率(Low．resolution，LR)的单幅或者多幅
合肥工业大学学历硕士研究生学位论文原始图像进行计算处理，重构出一幅高质
量高分辨率(High—resolution，HR)
的图像。由于利用SR方法获得的重构图像相对于原始数据具有更高的像素密度以及更丰富的细节信息，同时在重建过程当中，相关算法也可以抑制图像中的噪声和解决成像过程出现的模糊问题，所以超分辨重建技术应用领域很广，在军事、工业、医疗、安全等方面都存在着重要前景。
(1)军事领域。各国军队为了对敌方进行大范围的军事侦查，都积极开发出相关的遥感卫星、机载成像设备等侦查设备。但是，目前受限于平台重量和体积的限制以及不太成熟的遥感成像技术，图像分辨率有限，难以直接获取到所需的高分辨率图像，造成图像中的目标判别困难。采用SR
技术就可以很好地解决上述问题。通过对星载设备或其他遥感传感器拍摄的原始图像数据进行超分辨重建，就可以获得高分辨遥感图像【l 31，这对提高军事目标识别能力和侦查预警能力具有重要的意义；
图1．1军事遥感图像领域的应用
Fig 1．1 Application in the field of military remote sensing images
(2)工业领域。尤其在纳米级的集成电路逆向设计领域，超分辨重建技术也得到广泛应用。由于受当前工艺水平及机械控制精度等条件的约束，人们还无法通过传统的显微镜技术清楚地观察集成电路的内部构造。而通过超分辨重建技术，就可以克服这一缺陷，提高集成电路的逆向分析效率及准确率，因此该技术在相关工程领域具有很高的应用价值。
图1．2逆向工程领域的应用
Fig 1．2 Application in the field of reverse engineering
(3)医疗领域。现有的医疗检测设备如超声波成像、CT等获取的图
2
第一章绪论
像分辨率都比较低，质量较差，无法清楚地显示出患者的病变部位，甚至可能导致医生的误诊。因而有一些学者就提出利用多幅低分辨率医学图像[141，采用信息融合的方法，重构出一幅高分辨率图像，从而可以有效帮助医生快速准确地辨别出患病部位，对减少误诊具有重要意义；
叠≥鬟少骞一④j)i‘_＼一／
图1．3医学图形领域的应用
Fig 1．3 Application in the field of Medical Graphics
(4)安全领域。根据道路监控摄像头拍摄的视频进行超分辨重建处理，
获取场景中运动目标的清晰图像，可以快速识别出违章车辆的车牌号码；对
一些容易发生犯罪事故的公共场所监控图像进行超分辨率重建，可以更容易
地辨别出犯罪嫌疑人。同样，这对于桥梁和道路设施的维护监管、金融
机构的安全防护、火车站商场等人流量监控管理方面，都有重要的实用价值；
图1．4安防领域的应用
Fig 1．4 Application in the field of security
因此针对现有场景深度采集设备的缺陷，有必要开展深度图像超分辨率重建技术的研究工作。在当前光学硬件性能有限的条件下，可以充分利用现有设备，通过SR算法获得符合各领域应用要求的高分辨率深度图像。这对于逆向工程【15l、互动娱乐、三维可视化等领域的实际应用具有重要意义。
1．2国内外研究现
状
超分辨重建算法最先由Tsai等人[16l在1984年提出的，其成功利用LR图像序列重构出了一幅高质量的图像。随着计算机技术和信号处理技术的
合肥工业大学学历硕士研究生学位论文
飞速发展，特别是相关信号处理理论的优化和完善，人们对图像超分辨率算法的研究取得了突破性进展。并将其成功应用于遥感侦测、数字电视、医学成像等领域。
当前SR算法主要分为频域法【r7】和空间域【18】方法。频域法出现的相对
较早，但是其运动模型比较单一，后期的相关应用不是很多，当前SR算法的
研究主要集中在空间域方法。
频域法是指在频域内，通过相应的转换，实现对图像进行插值处理。
Tsai等人ll 6J提出了一种基于频域迫近的SR算法，即利用连续傅里叶变换
和离散傅里叶变换之间的类似、移位等性质，由多幅低分辨图像重构出一幅高
质量图，但其在图像退化模型中并未考虑噪声、运动模糊等因素。1 990年，
Kim等人【l 9J在此基础上，进行了改进，提出了基于加权最小二乘法的小波
理论，将频域法应用在模糊图像上，取得了很好的效果。随后，Rhee等人
【20J也提出了一种基于广义卷积技术的超分辨重建方法，采用离散余弦变换的
方法，很好地解决了图像欠采样或者子像素信息不足的问题。频域法原理相对
比较简单，计算复杂度较低。但频域法只适用于全局运动，或者线性空间不变
的情况，这极大地限制了该类方法的运用范围，从而导致后期的相关研究比较
少。
相对于频域法，空间域方法就可以比较好地兼顾上述问题，在其图像
退化模型中，通过引入不同的先验信息作为约束条件，对模型解空间进行
约束，因此该类方法能够处理比较复杂的情况，扩大了其适用范围。空间域
方法主要包括非均匀插值法【2¨、迭代反投影法(IBP)【22|、凸集投影法
(POCS)【2 31、最大后验概率法(MAP)【241、混合模型法【251等。Sauer等人
口6j 1 987年提出了一种非均匀插值法，其采用内插值的方式得到一幅由非均
匀样本组成的图像，最后通过迭代的方式进行数据融合，从而获得高分辨
率图像。在此基础上，Ureten O和Hart H等人【27】【28】都相继提出了非均匀
插值法的改进型。1988年，Manglos等人【29l提出了一种IBP算法，选择
一幅高分辨图作为初始值，然后放大低分辨率图像，再通过迭代反向投影的
方式，获得满足条件的高分辨图像。1 997年，Patti等人【30】提出了一种
POCS 算法，充分利用相关先验信息，为模型解空间建立对应的约束凸集，
然后将重建高分辨图像的估计值不断向解空间投影，直到获得符合条件的
估计值，即获得高分辨率图像。随着近年来机器学习理论不断深度研究，有
些学者也将其应用在图像超分辨研究上。浦剑等人【”】提出了一种基于学习
的SR算法，通过引入训练方式来处理图像超分辨率重建问题。Mac Aodha等
人【32J先通过对图像进行训练，获取图像特征，在贝叶斯框架下利用块匹配
4
第一章绪论
的方法来进行图像超分辨重建工作。
进入21世纪，随着三维视觉的快速发展，深度信息获取技术成为当前
图像视觉领域的一个研究热点。然而现有传感器直接获取到的深度数据分
辨率普遍都很低。为了解决这个难题，许多学者进行了深度图像超分辨重建
算法的研究。根据利用的源数据不同，当前深度图像超分辨率重建方法
可分为：基于深度图像序列的超分辨重建方法和基于信息融合技术的超分
辨重建方法。
基于深度图像序列的超分辨重建方法与普通二维图像的超分辨重建方法类似，其输入的源数据为LR序列图像，且都是通过已有的先验知识构建适宜的运动模型函数，最后将图像超分辨率重建问题转化为函数最优化求解问题，从而快速有效地获得深度图像。例如，Rajagopalan等人p 3J将马尔可夫随机场(Markov Random Field，MRF)模型应用到超分辨重建领域，以最大后验概率方法来构建该模型的目标函数，最后通过迭代优化过程，
获得高分辨的深度图像。Gevrekci等人【34 J提出了一种基于凸集投影的深度图像超分辨重建算法，根据建立的深度图像退化模型，运用凸集投影理论进行求解，在去除噪声方面取得了较好的效果。基于深度图像序列的超分辨重建算法一般只利用深度图像自身的信息，无需其他信息源，重建后的图像分辨率一般能提高2．3倍。
而基于信息融合技术的超分辨重建方法，只需要一幅LR深度图像和同
视角下的一幅HR彩色图像。该方法主要是利用数据融合技术，实现对低分
辨深度图的超分辨重建。例如，Kopf和Buades分别采用联合双边上采样
滤波器【”l(Joint Bilateral Up．sampling Filter，JBUF)禾D非局部权值滤波器
【36】的方法，快速地重建出高分辨深度图像；He等人【37 J提出一种线性
引导滤波器模型，利用误差函数根据线性回归的方法求解出模型的最优参
数，然后根据线性模型重建出高分辨深度图；Ferstl等人【38】通过二阶广
义总变分(Total Generalized Variation，TGV)模型建立对应的目标函数，
并以HR彩色
图像纹理信息作为解空间约束条件，最后通过对目标函数的最优化求解，
迭代获得高分辨率的深度图像。由于这类方法的采集系统比较简单，重建出的
深度图像分辨率较高，且能够有效保护图像的边缘细节，因此成为当前超
分辨重建研究的热点之一。
国内关于深度图像超分辨重建[39-42】的研究起步较晚，但近年来随着中
国科学技术大学、东南大学、上海交通大学、合肥工业大学等著名大学相
继成立了相关的实验室，也取得了一定的研究成果。但总体来说，有关深
度图像超分辨重建的研究同国外相比还有一定的差距，还有待进一步的深
5
合肥工业大学学历硕士研究生学位论文
入研究。
1．3本文研究内容与章节安排
本文主要针对TOF相机初始深度图分辨率较低，以及在超分辨重建过程中易出现边缘模糊、纹理映射等问题，分别开展了基于信息融合技术的超分辨重建算法和基于TOF深度图像序列的超分辨重建方算法的研究。本论文的逻辑关系结构图如下所示：
第三章融合高分辨率彩色图像的超分辨重建方法
· 图像采集与预处理(RGB—Depth立体视觉系统标
第一章绪论第二章超分辨重建定、立体配准)
相关理论概述第五章总结与展望
· 基于边缘特征引导的深度图像超分辨重建
· 研究背景与意义
· 研究现状及分析· 深度图像退化模型理论基础总结· 全文总结
· 论文的主要内容—斗· 常见的超分辨率重——■
· 未来工作展望
与章节安排
建方法
· 图像质量评价标准
第四章基于TOF深度图像序列的超分辨重建方法
· 深度图像的滤波去噪
· 运动参数估计
· 基于L1范数与L2范数加权的双边正则化超分辨重建
图1．5本文逻辑关系结构图
Fig 1．5 Logical relation structure chart of this thesis
因此根据上面的逻辑关系结构图，本文的主要内容及章节安排如下：
第一章首先阐述了深度图像超分辨率重建技术的相关背景与意义，并
简要概述了当前国内外在深度图像超分辨重建方面的研究现状，最后介绍
了本文各章节研究内容的安排。
第二章主要是对图像超分辨率重建基本概念、图像退化模型进行说明，
并介绍了几种常见的深度图像超分辨重建方法以及图像质量的评价标准。
第三章研究了基于同场景深度图像与高分辨彩色图像融合的超分辨重
建方法，通过搭建RGB．Depth立体视觉采集系统，在联合双边滤波器模型
的基础上，融合了同场景高分辨彩色图像和TOF深度图像，实现了一种基
于边缘特征引导的深度图像超分辨重建。
第四章研究了一种基于TOF深度图像序列的进行超分辨重建的方法。根据第二章的深度图像退化模型，采用正则化处理的思想建立深度图像超分辨率重建的目标函数。通过分别介绍目标函数中的数据项和正则化项，总结分析各自的优缺点，选择了合适的数据项和正则化项，实现了一种基于L．范数与L，范数加权的双边正则化超分辨重建方法。
第五章为对论文工作内容的总结和未来展望。
6
第二章深度图像超分辨率重建相关理论概述
第二章深度图像超分辨率重建相关理论概述
由于现有硬件设备和技术条件的限制，TOF相机直接获得的原始深度
图像分辨率普遍较低，极大地限制了其在图像视觉领域的应用。虽然通过
提高硬件水平可以提高深度图像的分辨率，但是其研制周期过长，成本过
高。因此针对这一问题，本文主要研究在软件层面上通过相关超分辨重建
算法实现对LR深度图像的超分辨重建。本章首先阐述深度图像的退化
模
型，然后重点介绍当前主流的两种深度图像超分辨重建思路，并各自介绍
几种常见的超分辨重建方法，最后介绍几种重要的图像质量评价标准，为后续相关章节提供理论基础。
2．1深度图像的退化模型
目前所有成像设备的工作原理都是建立在“小孔成像”理论基础上的，简单容易理解。然而在成像过程中受到多种因素的影响，如物体的相对运动、噪声等，都会导致直接获取到的图像分辨率降低，且图像质量较差，即出现图像“退化"的现象。
深度图像又可称为距离图像，其图上的每个像素值并不是普通图像上
的灰度信息，而是表示景深的远近：深度图像中的像素值越大，代表目标
距离相机传感器中心越远：深度图像中的像素值越小，则表示目标距离相
机传感器中心越近。根据相机的成像过程，深度图像的退化模型可以用下
式来表示：
Y=Ax+，2 (2．1)
其中式中图像X代表场景高分辨率深度图像，Y表示直接获取到的低分
辨深度图像，彳代表降质模型，一般取为线性算子，表示在深度图像的成
像过程中的降质模糊等过程，”表示加性噪声，主要包含系统噪声、随机噪
：士：
户。
根据上式的退化模型，我们可以看出，降质模型的建立对超分辨重建
至关重要，然而相机成像是一个非常复杂的过程，除了自身系统内部存在
的物理光学作用，还受到许多外界因素影响，如运动模糊，散焦、环境中
的随机噪声等，然而为了便于具体研究，我们采用一个典型的图像退化模型
来描述这个降质过程，如下图所示：
7
合肥工业大学学历硕士研究生学位论文
图2．1深度图像的退化过程示意图
Fig 2．1 The Schematic diagram of depth map degradation processes
从图2．1可以看出，理想的场景高分辨率深度数据在相机成像过程中，受到运动变形、光学模糊、运动模糊，降采样以及随机噪声等一些外界因素的影响，导致最后得到的深度图像分辨率很低且含有大量的随机噪声。下面重点介绍一下深度图像退化的几个过程：
(1)运动变形运动变形一般是指图像在成像过程中所经历的运动形
变，如平移、旋
转或其他运动形变。根据图像像素运动的特性可将图像运动变形分为两类，一类是图像全局运动，一类是图像局部扭曲运动。图像全局运动是指整个图像上的所有像素在空间上进行相同的旋转，平移运动。图像局部扭曲运动是指图像中包含多个运动目标，且各个运动目标的运动轨迹和参数都不相同，造成图像的局部扭曲。图像局部扭曲运动模型可以理解为由多个全局运动模型组成，需要多个运动参数来描述各自对应的全局运动目标，导致该模型建立特别复杂。为了便于研究，本文主要考虑图像的全局运动。由于图像的运动参数对后续的图像超分辨重建结果有重要影响，因此要尽可能准确估计出场景物体的运动信息。
(2)模糊模糊是由于在成像过程中对焦不当造成的。图像传感器在
成像过程中
易受到场景中的目标物体相对运动，光学系统的失焦或散焦，点扩散函数
等因素的影响，造成最后获取到的图像有模糊现象。在图像处理过程中一般
研究考虑最多的是点扩函数引起的模糊，这类模糊信息通常认为是己知的
信息。
(3)降采样降采样指的是在成像过程中所经历的下采样过程。现实
中的场景图像
包含着丰富的高频成分信息，然而由于实际相机中的图像传感器数量是有
限的，造成部分高频信息缺失，这个过程就是相当于对初始的场景深度图
像进行了下采样处理。
(4)噪声图像中的噪声主要包含两类噪声：图像采集系统内部的热
噪声和环境
中的随机噪声。系统内部中的热噪声是由系统内部设备电路在工作时自身
8
第二章深度图像超分辨率重建相关理论概述
根据上述的图像具体退化过程的描述，公式(2．1)的基本退化模型．-I N
根据该数学模型可知，如果己知退化后的低分辨深度图像Y，为了重建
出
X=argmin忡112=argmin II少一DHMx 112 (2．3)
X=[(DHM)7’(删M)]_(DHM)r Y(2．4)
通过运用正则化思想【43】【44】【4 51，．-IN图像超分辨重建问题转化为约束最
x=argmin{II y—DHMx 112+a||Cx 112) (2．5)
V2m川=警+多(2．6)
V2f=[厂(x+1，少)+／(工一1，y)+厂(工，y+1)可(工，Y．1)l-4f(x，Y) (2．7)
㈥@8，
x=[(上)删)7(DHM)+ceC，C]一1(DHM)rY (2．9)
图像分割毕业设计
目录 摘要........................................................... I Abstract......................................................... I I 第1章绪论 (1) 1.1图像分割概述 (1) 1.2图像分割特征 (1) 1.3图像分割的发展及现状 (1) 1.4研究的背景与意义 (2) 第2章数字图像处理 (3) 2.1发展概况 (3) 2.2主要目的 (4) 2.3常用方法 (4) 2.4应用领域 (5) 2.5研究方向 (7) 2.6基本特点 (7) 2.7MATLAB软件 (8) 第3章阈值分割 (10) 3.1图像二值化 (10) 3.2阈值分割基本原理 (10) 3.3阈值分割方法定义 (11) 3.4阈值分割描述 (11) 3.5阈值分割分类 (12) 第4章阈值分割方法 (13) 4.1直方图法 (13)
4.2迭代法 (14) 4.3最大类间方差法 (17) 4.4小结 (20) 第5章最大类间方差法的改进 (21) 结论 (27) 参考文献 (28) 致谢 (29)
通常人们只对图像的某个区域感兴趣，为了能够把感兴趣的区域提取出来，就得对图像进行分割。图像分割就是把图像分成一些具有不同特征而有意义的区域，以便进一步的图像处理与分析。图像分割是图像处理的关键，在灰度图像中分割出有意义区域的最基本方法是设置阈值的分割方法。选择阈值的主要方法有：直方图法，迭代法，最大类间方差法。本文主要比较三种方法的优缺点，并对其中的最大类间方差法进行优化，改进分割效果。 关键词：阈值直方图迭代法最大类间方差法
图像分割算法开题报告
图像分割算法开题报告 摘要：图像分割是图像处理中的一项关键技术，自20世纪70年代起一直受到人们的高度重视，并在医学、工业、军事等领域得到了广泛应用。近年来具有代表性的图像分割方法有：基于区域的分割、基于边缘的分割和基于特定理论的分割方法等。本文主要对基于自动阈值选择思想的迭代法、Otsu法、一维最大熵法、二维最大熵法、简单统计法进行研究，选取一系列运算出的阈值数据和对应的图像效果做一个分析性实验。 关键字：图像分割，阈值法，迭代法，Otsu法，最大熵值法 1 研究背景 1．1图像分割技术的机理 图像分割是将图像划分为若干互不相交的小区域的过程。小区域是某种意义下具有共同属性的像素连通集合，如物体所占的图像区域、天空区域、草地等。连通是指集合中任意两个点之间都存在着完全属于该集合的连通路径。对于离散图像而言，连通有4连通和8连通之分。图像分割有3种不同的方法，其一是将各像素划归到相应物体或区域的像素聚类方法，即区域法，其二是通过直接确定区域间的边界来实现分割的边界方法，其三是首先检测边缘像素，然后再将边缘像素连接起来构成边界的方法。 图像分割是图像理解的基础，而在理论上图像分割又依赖图像理解，两者是紧密关联的。图像分割在一般意义下十分困难的，目前的图像分割处于图像的前期处理阶段，主要针对分割对象的技术，是与问题相关的，如最常用到的利用阈值化处理进行的图像分割。 1．2数字图像分割技术存在的问题
虽然近年来对数字图像处理的研究成果越来越多,但由于图像分割本身所具有的难度,使研究没有大突破性的进展,仍然存在以下几个方面的问题。 现有的许多种算法都是针对不同的数字图像,没有一种普遍适用的分割算法。 缺乏通用的分割评价标准。对分割效果进行评判的标准尚不统一,如何对分割结果做出量化的评价是一个值得研究的问题,该量化测度应有助于视觉系统中的自动决策及评价算法的优劣,同时应考虑到均质性、对比度、紧致性、连续性、心理视觉感知等因素。 与人类视觉机理相脱节。随着对人类视觉机理的研究,人们逐渐认识到,已有方法大都与人类视觉机理相脱节,难以进行更精确的分割。寻找到具有较强的鲁棒性、实时性以及可并行性的分割方法必须充分利用人类视觉特性。 知识的利用问题。仅利用图像中表现出来的灰度和空间信息来对图像进行分割,往往会产生和人类的视觉分割不一致的情况。人类视觉分割中应用了许多图像以外的知识,在很多视觉任务中,人们往往对获得的图像已具有某种先验知识,这对于改善图像分割性能是非常重要的。试图寻找可以分割任何图像的算法目前是不现实,也是不可能的。人们的工作应放在那些实用的、特定图像分割算法的研究上,并且应充分利用某些特定图像的先验知识,力图在实际应用中达到和人类视觉分割更接近的水平。 1．3数字图像分割技术的发展趋势 从图像分割研究的历史来看,可以看到对图像分割的研究有以下几个明显的趋势。 对原有算法的不断改进。人们在大量的实验下，发现一些算法的效
图像分割技术与MATLAB仿真
中南民族大学 毕业论文(设计) 学院: 计算机科学学院 专业: 自动化年级:2012 题目: 图像分割技术与MATLAB仿真 学生姓名: 高宇成学号:2012213353 指导教师姓名: 王黎职称: 讲师 2012年5月10日
中南民族大学本科毕业论文（设计）原创性声明 本人郑重声明：所呈交的论文是本人在导师的指导下独立进行研究所取得的研究成果。除了文中特别加以标注引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写的成果作品。本人完全意识到本声明的法律后果由本人承担。 作者签名：年月日
目录 摘要 (1) Abstract (1) 引言 (3) 1 图像分割技术 (3) 1.1 图像工程与图像分割 (3) 1.2 图像分割的方法分类 (4) 2 图像分割技术算法综述 (5) 2.1 基于阈值的图像分割技术 (5) 2.2边缘检测法 (5) 2.3 区域分割法 (7) 2.4 基于水平集的分割方法 (8) 2.5 分割算法对比表格 (8) 3基于水平集的图像分割 (9) 3.1 水平集方法简介 (9) 3.2 水平集方法在图像分割上的应用 (9) 3.3 仿真算法介绍 (10) 3.4 实验仿真及其结果 (11) 结论 (18) 致谢 (19) 参考文献 (19)
图像分割技术研究及MATLAB仿真 摘要：作为一项热门的计算机科学技术，图像分割技术已经在我们生活中越来越普及。顾 名思义这项技术的目的就是，将目标图像从背景图像中分离出去。由于这些被分割的图像区域在某些属性上很相近，因此图像分割与模式识别以及图像压缩编码有着密不可分的关系。完成图像分割所采用的方法各式各样，所应用的原理也不同。但他们的最终目的都是把图像中性质相似的某些区域归为一类，把性质差异明显的不同区域分割开来。通常在分割完成之后，我们就要对某些特定区域进行分析、计算、评估等操作，因而分割质量的好坏直接影响到了下一步的图像处理[1]，因此图像分割是图像处理的一个关键步奏。图像分割技术在各个领域都有着及其重要的意义；在工业上有卫星遥感，工业过程控制监测等等；在医学方面，水平集的分割方法还可以通过医学成像帮助医生识别模糊的病变区域；在模式识别领域还可应用到指纹扫描、手写识别、车牌号识别等等。 本课题的研究内容是对图像分割技术的几种常用的方法进行综述和比较，并基于其中一种方法进行MATLAB仿真测试，给出性能分析比较结果。 关键字：图像分割，MA TLAB仿真，模式识别 Image Segmentation and Matlab Simulation Abstract:Image segmentation is to image representation for the physically meaningful regional connectivity set, namely according to the prior knowledge of target and background, we on the image of target and background of labeling and localization, then separate the object from the background. Because these segmented image regions are very similar in some properties, image segmentation is often used for pattern recognition and image understanding and image compression and coding of two major categories. Because the generated in the segmented region is a kind of image content representation, it is the image of visual analysis and pattern recognition based and segmentation results of quality of image analysis, recognition and interpretation of quality has a direct impact. Image segmentation it is according to certain features of the image (such as gray level, spectrum, texture, etc.) to a complete picture of the image is segmented into several meaningful area. These features made in a certain region of consistent or similar, and between different regions showed significantly different. Image segmentation technology in various fields have most of the field and its important significance in digital image processing, image segmentation has a wide range of applications, such as industrial automation, process control, online product inspection, image coding, document image processing, remote sensing and medical image analysis, security surveillance, as well as military, sports and other aspects. In medical image processing and analysis, image segmentation for body occurrence of three-dimensional display of the diseased organ or lesion location determination and analysis plays an effective role in counseling; in the analysis and application of road traffic conditions,
图像超分辨率重建
收稿日期：２００８唱０８唱２１；修回日期：２００８唱１０唱２８ 作者简介：王培东（１９５３唱），男，黑龙江哈尔滨人，教授，硕导，ＣＣＦ会员，主要研究方向为计算机控制、计算机网络、嵌入式应用技术；吴显伟（１９８２唱），男（回族），河南南阳人，硕士，主要研究方向为计算机控制技术（ｗｕ＿ｘｉａｎｗｅｉ＠１２６．ｃｏｍ）． 一种自适应的嵌入式协议栈缓冲区管理机制 王培东，吴显伟 （哈尔滨理工大学计算机科学与技术学院，哈尔滨１５００８０） 摘 要：为避免创建缓冲区过程中必须指定大小和多次释放而导致可能的内存泄露和代码崩溃的弊端，提出一种自适应的嵌入式协议栈的缓冲区管理机制ＡｕｔｏＢｕｆ。它是基于抽象缓冲区接口而设计的，具有自适应性，支持动态内存的自动分配与回收，同时实现了嵌入式ＴＣＰ／ＩＰ协议栈各层之间的零拷贝通信。在基于研究平台Ｓ３Ｃ４４Ｂ０Ｘ的Ｗｅｂｓｅｒｖｅｒ网络数据监控系统上的测试结果表明，该缓冲区的设计满足嵌入式系统网络通信的应用需求，是一种高效、可靠的缓冲区管理机制。 关键词：嵌入式协议栈；抽象缓冲区；零拷贝；内存分配 中图分类号：ＴＰ３１６ 文献标志码：Ａ 文章编号：１００１唱３６９５（２００９）０６唱２２５４唱０３ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１００１唱３６９５．２００９．０６．０７７ Ｄｅｓｉｇｎａｎｄｉｍｐｌｅｍｅｎｔａｔｉｏｎｏｆａｄａｐｔｉｖｅｂｕｆｆｅｒｆｏｒｅｍｂｅｄｄｅｄｐｒｏｔｏｃｏｌｓｔａｃｋ ＷＡＮＧＰｅｉ唱ｄｏｎｇ，ＷＵＸｉａｎ唱ｗｅｉ （ＣｏｌｌｅｇｅｏｆＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅ＆Ｔｅｃｈｎｏｌｏｇｙ，ＨａｒｂｉｎＵｎｉｖｅｒｓｉｔｙｏｆＳｃｉｅｎｃｅ＆Ｔｅｃｈｎｏｌｏｇｙ，Ｈａｒｂｉｎ１５００８０，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｔｏａｖｏｉｄｔｒａｄｉｔｉｏｎａｌｍｅｔｈｏｄｏｆｃｒｅａｔｉｎｇｂｕｆｆｅｒ，ｗｈｉｃｈｍｕｓｔｈａｖｅｔｈｅｓｉｚｅｏｆｂｕｆｆｅｒａｎｄｆｒｅｅｍｅｍｏｒｙｆｏｒｍａｎｙｔｉｍｅｓ，ｗｈｉｃｈｗｉｌｌｒｅｓｕｌｔｉｎｍｅｍｏｒｙｌｅａｋｓａｎｄｃｏｄｅｓｃｒａｓｈ．ＴｈｉｓｐａｐｅｒｐｒｏｐｏｓｅｄａｆｌｅｘｉｂｌｅｂｕｆｆｅｒｍａｎａｇｅｍｅｎｔｍｅｃｈａｎｉｓｍＡｕｔｏＢｕｆｆｏｒｅｍｂｅｄｄｅｄｎｅｔｗｏｒｋｐｒｏｔｏｃｏｌｓｔａｃｋ．Ｉｔｗａｓａｄａｐｔｉｖｅａｎｄｓｃａｌａｂｌｅａｎｄｂａｓｅｄｏｎａｎａｂｓｔｒａｃｔｂｕｆｆｅｒｉｎｔｅｒｆａｃｅ，ｓｕｐｐｏｒｔｅｄｄｙｎａｍｉｃｍｅ唱ｍｏｒｙａｌｌｏｃａｔｉｏｎａｎｄｂａｃｋｕｐ．ＢｙｕｓｉｎｇｔｈｅＡｕｔｏＢｕｆｂｕｆｆｅｒｍａｎａｇｅｍｅｎｔｍｅｃｈａｎｉｓｍｗｉｔｈｄａｔａｚｅｒｏｃｏｐｙｔｅｃｈｎｏｌｏｇｙ，ｉｔｉｍｐｌｅｍｅｎｔｅｄｔｏｔｒａｎｓｆｅｒｄａｔａｔｈｒｏｕｇｈｔｈｅｅｍｂｅｄｄｅｄｎｅｔｗｏｒｋｐｒｏｔｏｃｏｌｓｔａｃｋ．ＴｈｅｍａｎａｇｅｍｅｎｔｍｅｃｈａｎｉｓｍｈａｄｂｅｅｎａｐｐｌｉｅｄｔｏｔｈｅＷｅｂｓｅｒｖｅｒｓｙｓｔｅｍｂａｓｅｏｎＳ３Ｃ４４ｂ０Ｘｐｌａｔｆｏｒｍｓｕｃｃｅｓｓｆｕｌｌｙ．Ｔｈｅｒｅｓｕｌｔｓｉｎｒｅａｌｎｅｔｗｏｒｋｃｏｎｄｉｔｉｏｎｓｈｏｗｔｈａｔｔｈｅｓｙｓｔｅｍｐｒｏｖｉｄｅｓａｇｏｏｄｐｅｒ唱ｆｏｒｍａｎｃｅａｎｄｍｅｅｔｓｔｈｅｎｅｃｅｓｓａｒｙｏｆｅｍｂｅｄｄｅｄｎｅｔｗｏｒｋｓｙｓｔｅｍ．Ｋｅｙｗｏｒｄｓ：ｅｍｂｅｄｄｅｄｓｔａｃｋ；ａｂｓｔｒａｃｔｂｕｆｆｅｒ；ｚｅｒｏ唱ｃｏｐｙ；ｍｅｍｏｒｙａｌｌｏｃａｔｉｏｎ 随着网络技术的快速发展，主机间的通信速率已经提高到了千兆数量级，同时多媒体应用还要求网络协议支持实时业务。嵌入式设备网络化已经深入到日常生活中，而将嵌入式设备接入到互联网需要网络协议栈的支持。通过分析Ｌｉｎｕｘ系统中ＴＣＰ／ＩＰ协议栈的实现过程，可以看出在协议栈中要有大量数据不断输入输出，而管理这些即时数据的关键是协议栈中的缓冲区管理机制，因此对嵌入式协议栈的缓冲区管理将直接影响到数据的传输速率和安全。通用以太网的缓冲区管理机制，例如４．４ＢＳＤｍｂｕｆ ［１］ 和现行Ｌｉｎｕｘ系统中的ｓｋ＿ｂｕｆ ［２］ 多是在大内存、 高处理速率的基础上设计的，非常庞大复杂。由于嵌入式设备的硬件资源有限，特别是可用物理内存的限制，通用的协议栈必然不适用于嵌入式设备，在应用时要对标准的ＴＣＰ／ＩＰ协议进行裁剪 ［３］ 和重新设计缓冲区管理机制。 １ 缓冲区管理机制的性能需求分析 缓冲区管理 ［４］ 是对内存提供一种统一的管理手段，通过该 手段能够对可用内存提供分配、回收、数据操作等行为。内存的分配操作是根据一定的内存分配策略从缓冲区中获得相应大小的内存空间；缓冲区的数据操作主要是向缓冲区写数据，从缓冲区读数据，在缓冲区中删除数据，对空闲的内存块进行合并等行为；内存的回收就是将已空闲的内存重新变为可用内存，以供存 储其他新的数据。 为了满足长度不一的即时数据的需求，缓冲区对内存的操作主要集中在不断地分配、回收、合并空闲的内存块等操作。因为网络中的数据包小到几个字节大到几千个字节，不同长度的数据对内存的需求必然不同。现存嵌入式设备中的内存多是以物理内存，即实模式形式存在的，没有虚拟内存的形式，对内存的操作实际是操作真实的物理内存，所以对内存操作要特别谨慎。在传统使用动态分配的缓冲区（通过调用ｍａｌｌｏｃ（）／ｆｒｅｅ（））在函数之间传递数据。尽管该方法提供了灵活性，但它也带来了一些性能影响。首先考虑对缓冲区的管理（分配和释放内存块）。如果分配和释放不能在相同的代码位置进行，那么必须确保在某个内存块不再需要时，释放一次（且仅释放一次）该内存块是很重要的，否则就会导致内存泄露。其次是必须确定缓冲区的大小才能分配该内存块。然而，确定数据大小并非那么容易，传统做法是采用最大的数据尺寸的保守估计。而采用保守估计预分配的内存大小总是远超过实际需要的大小，而且没有一定的范围标准，这样难免会导致资源的严重浪费。 随着数据在协议栈中的不断流动，内存块的多次释放和多次分配是难以避免的，而保守估计对于有限的资源来说又是一种浪费的策略。因此为了能有效地利用资源，设计一种可自控的、不用预判断大小的数据缓冲区接口就势在必行。 第２６卷第６期２００９年６月 计算机应用研究 ＡｐｐｌｉｃａｔｉｏｎＲｅｓｅａｒｃｈｏｆＣｏｍｐｕｔｅｒｓ Ｖｏｌ．２６Ｎｏ．６Ｊｕｎ．２００９
关于图像分割算法的研究
关于图像分割算法的研究 黄斌 （福州大学物理与信息工程学院 福州 350001） 摘要：图像分割是图像处理中的一个重要问题，也是一个经典难题。因此对于图像分割的研究在过去的四十多年里一直受到人们广泛的重视，也提山了数以千计的不同算法。虽然这些算法大都在不同程度上取得了一定的成功，但是图像分割问题还远远没有解决。本文从图像分割的定义、应用等研究背景入手，深入介绍了目前各种经典的图像分割算法，并在此基础比较了各种算法的优缺点，总结了当前图像分割技术中所面临的挑战，最后展望了其未来值得努力的研究方向。 关键词：图像分割 阀值分割 边缘分割 区域分割 一、 引言 图像分割是图像从处理到分析的转变关键，也是一种基本的计算机视觉技术。通过图像的分割、目标的分离、特征的提取和参数的测量将原始图像转化为更抽象更紧凑的形式，使得更高层的分析和理解成为可能，因此它被称为连接低级视觉和高级视觉的桥梁和纽带。所谓图像分割就是要将图像表示为物理上有意义的连通区域的集合，也就是根据目标与背景的先验知识，对图像中的目标、背景进行标记、定位，然后将目标从背景或其它伪目标中分离出来[1]。 图像分割可以形式化定义如下[2]：令有序集合表示图像区域(像素点集)，H 表示为具有相同性质的谓词，图像分割是把I 分割成为n 个区域记为Ri ，i=1，2，…，n ，满足： (1) 1,,,,n i i j i R I R R i j i j ===??≠ (2) (),1,2,,i i i n H R True ?== (3) () ,,,i j i j i j H R R False ?≠= 条件(1)表明分割区域要覆盖整个图像且各区域互不重叠，条件(2)表明每个区域都具有相同性质，条件(3)表明相邻的两个区域性质相异不能合并成一个区域。 自上世纪70年代起，图像分割一直受到人们的高度重视，其应用领域非常广泛，几乎出现在有关图像处理的所有领域，并涉及各种类型的图像。主要表现在： 1)医学影像分析：通过图像分割将医学图像中的不同组织分成不同的区域，以便更好的
图像分割算法的研究与实现本科学士学位毕业论文
TP391.41 学士学位论文（设计） 论文题目图像分割算法研究与实现 作者姓名 指导教师 所在院系 专业名称 完成时间
毕业设计（论文）原创性声明和使用授权说明 原创性声明 本人郑重承诺：所呈交的毕业设计（论文），是我个人在指导教师的指导下进行的研究工作及取得的成果。尽我所知，除文中特别加以标注和致谢的地方外，不包含其他人或组织已经发表或公布过的研究成果，也不包含我为获得及其它教育机构的学位或学历而使用过的材料。对本研究提供过帮助和做出过贡献的个人或集体，均已在文中作了明确的说明并表示了谢意。 作者签名：日期： 指导教师签名：日期： 使用授权说明 本人完全了解大学关于收集、保存、使用毕业设计（论文）的规定，即：按照学校要求提交毕业设计（论文）的印刷本和电子版本；学校有权保存毕业设计（论文）的印刷本和电子版，并提供目录检索与阅览服务；学校可以采用影印、缩印、数字化或其它复制手段保存论文；在不以赢利为目的前提下，学校可以公布论文的部分或全部内容。 作者签名：日期：
学位论文原创性声明 本人郑重声明：所呈交的论文是本人在导师的指导下独立进行研究所取得的研究成果。除了文中特别加以标注引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写的成果作品。对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的法律后果由本人承担。 作者签名：日期：年月日 学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授权大学可以将本学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。 涉密论文按学校规定处理。 作者签名：日期：年月日 导师签名：日期：年月日
信息熵在图像分割中的应用毕业论文
信息熵在图像分割中的应用 毕业论文 目录 摘要 ....................................................... .. (1) ABSTRACT (2) 目录 (3) 1 引言 (5) 1.1信息熵的概念 (5) 1.2信息熵的基本性质及证明 (6) 1.2.1 单峰性 (6) 1.2.2 对称性 (7) 1.2.3 渐化性 (7) 1.2.4 展开性 (7) 1.2.5 确定性 (8) 2基于熵的互信息理论 (9) 2.1 互信息的概述 (9) 2.2 互信息的定义 (9) 2.3 熵与互信息的关系 (9) 3 信息熵在图像分割中的应用 (11) 3.1图像分割的基本概念 (11) 3.1.1图像分割的研究现状 (11) 3.1.2 图像分割的方法 (11) 3.2 基于改进粒子群优化的模糊熵煤尘图像分割 (12) 3.2.1 基本粒子群算法 (12) 3.2.2 改进粒子群优化算法 (13) 3.2.3 Morlet变异 (13)
3.2.4改建粒子群优化的图像分割方法 (14) 3.2.5 实验结果及分析 (16) 3.3 一种新信息熵的定义及其在图像分割中的应用 (19) 3.3.1香农熵的概念及性质 (19) 3.3.2一种信息熵的定义及证明 (19) 3.3.3信息熵计算复杂性分析 (21) 3.3.4二维信息熵阈值法 (22) 3.3.5二维信息熵阈值法的复杂性分析 (24) 3.3.6 结论及分析 (25) 4 信息熵在图像配准中的应用 (27) 4.1图像配准的基本概述 (27) 4.2基于互信息的图像配准 (27) 4.3P OWELL算法 (28) 4.4变换 (28) 4.4.1平移变换 (29) 4.4.2旋转变换 (30) 4.5基于互信息的图像配准的设计与实现 (31) 4.5.1总体设计思路和图像配准实现 (31) 4.5.2直方图 (33) 4.5.3联合直方图 (33) 4.5.4灰度级差值技术 (34) 4.4.5优化搜索办法级结论 (35) 5结语 (37) 致谢 (38) 参考文献 (39) 1 引言 1.1.信息熵的概念 1948年，美国科学家发表了一篇著名的论文《通信的数学理论》。他从研究通信系统传输的实质出发，对信息做了科学的定义，并进行了定性和定量的描述。
图像分割算法研究及实现
中北大学 课程设计说明书 学生姓名：梁一才学号：10050644X30 学院：信息商务学院 专业：电子信息工程 题目：信息处理综合实践: 图像分割算法研究与实现 指导教师：陈平职称: 副教授 2013 年 12 月 15 日
中北大学 课程设计任务书 13/14 学年第一学期 学院：信息商务学院 专业：电子信息工程 学生姓名：焦晶晶学号：10050644X07 学生姓名：郑晓峰学号：10050644X22 学生姓名：梁一才学号：10050644X30 课程设计题目：信息处理综合实践: 图像分割算法研究与实现 起迄日期：2013年12月16日～2013年12月27日课程设计地点：电子信息科学与技术专业实验室指导教师：陈平 系主任：王浩全 下达任务书日期: 2013 年12月15 日
课程设计任务书 1．设计目的： 1、通过本课程设计的学习，学生将复习所学的专业知识，使课堂学习的理论知识应用于实践，通过本课程设计的实践使学生具有一定的实践操作能力； 2、掌握Matlab使用方法，能熟练运用该软件设计并完成相应的信息处理； 3、通过图像处理实践的课程设计，掌握设计图像处理软件系统的思维方法和基本开发过程。 2．设计内容和要求（包括原始数据、技术参数、条件、设计要求等）： (1)编程实现分水岭算法的图像分割； (2)编程实现区域分裂合并法； (3)对比分析两种分割算法的分割效果； (4)要求每位学生进行查阅相关资料，并写出自己的报告。注意每个学生的报告要有所侧重，写出自己所做的内容。 3．设计工作任务及工作量的要求〔包括课程设计计算说明书(论文)、图纸、实物样品等〕： 每个同学独立完成自己的任务，每人写一份设计报告，在课程设计论文中写明自己设计的部分，给出设计结果。
毕业论文外文翻译-图像分割
图像分割 前一章的资料使我们所研究的图像处理方法开始发生了转变。从输人输出均为图像的处理方法转变为输人为图像而输出为从这些图像中提取出来的属性的处理方法〔这方面在1.1节中定义过)。图像分割是这一方向的另一主要步骤。 分割将图像细分为构成它的子区域或对象。分割的程度取决于要解决的问题。就是说当感兴趣的对象已经被分离出来时就停止分割。例如，在电子元件的自动检测方面，我们关注的是分析产品的图像，检测是否存在特定的异常状态，比如，缺失的元件或断裂的连接线路。超过识别这此元件所需的分割是没有意义的。 异常图像的分割是图像处理中最困难的任务之一。精确的分割决定着计算分析过程的成败。因此，应该特别的关注分割的稳定性。在某些情况下，比如工业检测应用，至少有可能对环境进行适度控制的检测。有经验的图像处理系统设计师总是将相当大的注意力放在这类可能性上。在其他应用方面，比如自动目标采集，系统设计者无法对环境进行控制。所以，通常的方法是将注意力集中于传感器类型的选择上，这样可以增强获取所关注对象的能力，从而减少图像无关细节的影响。一个很好的例子就是，军方利用红外线图像发现有很强热信号的目标，比如移动中的装备和部队。 图像分割算法一般是基于亮度值的不连续性和相似性两个基本特性之一。第一类性质的应用途径是基于亮度的不连续变化分割图像，比如图像的边缘。第二类的主要应用途径是依据事先制定的准则将图像分割为相似的区域，门限处理、区域生长、区域分离和聚合都是这类方法的实例。 本章中，我们将对刚刚提到的两类特性各讨论一些方法。我们先从适合于检测灰度级的不连续性的方法展开，如点、线和边缘。特别是边缘检测近年来已经成为分割算法的主题。除了边缘检测本身，我们还会讨论一些连接边缘线段和把边缘“组装”为边界的方法。关于边缘检测的讨论将在介绍了各种门限处理技术之后进行。门限处理也是一种人们普遍关注的用于分割处理的基础性方法，特别是在速度因素占重要地位的应用中。关于门限处理的讨论将在几种面向区域的分割方法展开的讨论之后进行。之后，我们将讨论一种称为分水岭分割法的形态学
基于MATLAB的图像分割算法研究毕业设计
基于MA TLAB的图像分割算法研究 基于MATLAB的图像分割算法研究 摘要 本文从原理和应用效果上对经典的图像分割方法如边缘检测、阈值分割技术和区域增长等进行了分析。对梯度算法中的Roberts算子、Sobel算子、Prewitt算子、拉普拉斯(Laplacian)算子、LoG(Laplacian-Gauss)算子、坎尼（Canny）算子的分割步骤、分割方式、分割准则相互比较可以看出根据坎尼（Canny）边缘算子的3个准则得出的边缘检测结果最满意。而阈值分割技术的关键在于阈值的确定，只有阈值确定好了才能有效的划分物体与背景，但这种方法只对于那些灰度分布明显，背景与物体差别大的图像的分割效果才明显。区域增长的基本思想是将具有相似性质的像素集合起来构成新区域。与此同时本文还分析了图像分割技术研究的方向。 关键词：图像处理图像分割 Abstract This article analyses the application effect to the classics image segmentation method like the edge examination, territory value division technology, and the region growth and so on.For comparing the Roberts operator, Sobel operator, Prewitt operator, the operator of Laplacian and the operator of LoG(Laplacian-Gauss),Canny operator in gradient algorithm,the step, the way and the standard of the image segmentation,we can find out the three standard of Canny edge operator the edge detection result of reaching most satisfy. And the key point of threshold segmentation lie in fixing the threshold value, it is good to have only threshold value to determine it then can be effective to divide object and background,but this kind of method is good to those gray scales,the big difference image effect between the background and obiect. The basic idea of area is to form the new region from similar nature.And also, this paper analyses the research direction of image segmentation technology at the same time. Key words: image processing image segmentation operator
(完整版)图像分割算法的研究与实现_本科毕业设计
数字图像处理期末考试 题目图像分割算法研究与实现专业班级11通信工程一班
毕业论文（设计）诚信声明 本人声明：所呈交的毕业论文（设计）是在导师指导下进行的研究工作及取得的研究成果，论文中引用他人的文献、数据、图表、资料均已作明确标注，论文中的结论和成果为本人独立完成，真实可靠，不包含他人成果及已获得青岛农业大学或其他教育机构的学位或证书使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。 论文（设计）作者签名：日期：2013 年3月10 日 毕业论文（设计）版权使用授权书 本毕业论文（设计）作者同意学校保留并向国家有关部门
或机构送交论文（设计）的复印件和电子版，允许论文（设计）被查阅和借阅。本人授权青岛农业大学可以将本毕业论文（设计）全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本毕业论文（设计）。本人离校后发表或使用该毕业论文（设计）或与该论文（设计）直接相关的学术论文或成果时，单位署名为青岛农业大学。 论文（设计）作者签名：日期：2013 年 3 月10 日 指导教师签名：日期：年月日
目录 摘要: (1) 1．前言 (2) 2．图像分割概念 (3) 2.1图像分割定义 (3) 2.2图像分割方法综述 (4) 2.3阈值法 (5) 2.4 基于边缘检测的分割方法 (9) 2.5基于区域的分割方法 (12) 3．图像分割方法详述 (14) 3.1图像分割方法 (14) 3.2 图像分割方法实现 (14) 4．实验结果及分析 (16) 4.1 实验结果 (16) 4.2 实验结果分析 (20) 5．小结 (23) 5.1 主要工作总结 (23) 5.2 结论 (23) 6．附录 (27)
图像分割和特征提取毕业设计
图像分割和特征提取技术研究 摘要 图像分割是图像分析的第一步，是图像理解的重要组成部分，在有关图像处理的几乎所有领域具有广泛的应用。因此，图像分割一直受到高度重视，对其研究具有十分重要的意义。长期以来，研究人员提出了许多实用的分割算法。随着统计学理论，神经网络，小波理论等在图像分割中的应用日益广泛，遗传算法、尺度空间、非线性扩散方程等近期涌现的新方法和新思想也不断被用于解决分割问题，许多国内外学者也针对一些具体应用提出了许多实用有效的方法。 本文介绍了数字图像处理技术中图像分割技术的基本理论和三种图像分割方法(1)基于阈值图像分割；(2)基于边缘检测及算子分割；(3)基于区域特性的图像分割。对基于点的分割方法进行了较全面的叙述，主要研究了图像分割方法中的边缘检测法，区域提取法和阈值分割法。通过大量的理论研习。并编写了MATLAB软件程序，对各分割方法进行了仿真实验，得到分割图像。最后对于仿真进行了数据处理分析，验证了Canny算子的整体效果最好, Prewitt算子分割细致。但对于一幅图像仅仅只有只用一种方法达不到很好的效果，而根据待分割图象的不同特点，结合已知的先验知识，研究符合具体图象特性的分割模型，才是提高图象分割的重要手段。 关键词：图像分割；边缘法；区域法；阈值法；分水岭分割法
Lmage Segmentation And Feature Extraction Technology Research Abstract Image segmentation is the first step in image analysis, image segmentation is an important component of image understanding, in almost all areas of the image processing has widely application. As a result, image segmentation has been attached great importance to, its research has the very vital significance. For a long time,researchers put forward many practical segmentation algorithm. With statistics theory, the neural network, wavelet theory has been used increasingly in image segmentation, such as genetic algorithm, scale space, and nonlinear diffusion equation with the recent emergence of new methods and new ideas are constantly being used to solve the segmentation problem, many scholars at home and abroad for some specific application put forward many practical and effective method. Digital image processing techniques were introduced in This paper introduces the digital image processing technology of image segmentation technology in basic theory and three methods of image segmentation. (1) based on threshold image segmentation. (2) segmentation based on edge detection and operator; (3) the image segmentation based on region feature. On the segmentation method based on the point of narrative, mainly studies the edge of image segmentation method, region extraction method and threshold segmentation method. Through a lot of theory study. And write the MATLAB software, the segmentation method, the simulation experiment for image segmentation. Finally analyzed the data processing for simulation.Verify the Canny operator of the overall effect is best. Prewitt operator segmentation and detailed. But for an image only only one way to reach a good effect, and according to the different characteristics of for image segmentation, combined with the known prior knowledge, research in accordance with the specific image segmentation model, is an important means to improve the image segmentation. KEYWORDS：Segmentation；edge method；the regional method；threshold；watershed segmentation
图像超分辨率重建处理算法研究概要
第4l卷第ll期 2011年11月 激光与红外 LASER &INFRARED V01.41,No.11 November,2011 文章编号:1001-5078(201111-1278-04 图像超分辨率重建处理算法研究 ?图像与信号处理? 万雪芬1,杨义2,崔剑3 (1.华北科技学院,河北三河065201;2.东华大学,上海201620;3.北京航空航天大学,北京100191 摘要:超分辨算法为实现图像和视频分辨率提高的一种方法。其广泛应用于数字电视、医学图像处理、军事与遥感等领域。超分辨率图像通过融合多帧相似的低分辨率图像达到提高图像细节的目的。本文对使用较为普遍的频域方法、非均匀差值算法、凸集投影算法、迭代反投 影算法、最大后验概率方法及基于学习的方法进行了分析,并简要讨论了超分辨算法未来的发展方向。 关键词:图像处理;超分辨率;低分辨率重建 中图分类号:TP751文献标识码:A DOI:10.3969/j.issn.1001-5078.2011.11.023 Research on super-resolution image reconstruction WAN Xue—fenl,YANG Yi2,CUI Jian3
(I.Nordl China Institute of Science and Technology,Sanhe 065201,China;2.Donghua University,Shanghai 201620,China; 3.Beihang University,Beijing 100191,China Abstract:Super-resolution image reconstruction is a technique to reconstruct high resolution image or video from a 8e- quence of low resolution images.It has been widely used in digital TV,medicinal processing,military and remote剐m8一 ing.The super resolution method is summarized in this paper.Some super resolution image reconstructions ale dis— cussed for super-resolution image reconstruction.The tendency and development prospect a弛also discussed. Key words:image processing;super resolution;low resolution image reconstruction l 引言 近年来,数字图像采集技术已被广泛应用于工控、安监、军事与消费等领域。但由于价格成本因素限制,很多情况下通过低端图像采集设备获得的图片质量与分辨率较低,往往不能满足实际的要求。利用一系列相似的低分辨的图像,经过超分辨率技术的处理,可以得到一幅分辨率较高、包含信息较多的图像。这个处理过程就是超分辨率重建。采用超分辨率技术可以在不更换原有设备的前提下,提高图像的分辨率、改善图像的质量。 超分辨率技术用途较为广泛。在数字电视领域,可以利用超分辨率重建技术将数字电视信号转化为与高清晰度电视接收机相匹配的信号,提高观众的体验。在医疗领域,提高医学图像的分辨率,可以帮助医生做出正确的诊断。在军事、气象领域,通过侦查卫星与气象卫星获得图片的分辨率通常难以达到人们期望的分辨率级别,使用超分辨率技术,通过对观测结果做后期处理,可以更好地识别目标,更好地服务于军事安全和日常生活。