基于人工神经网络和纹理特征的马尾松图像分割方法

摘要

图像分割是一种重要的图像处理技术，在理论研究和实际应用中都得到了人们的广泛重视。随着图像采集技术和计算机科学技术的不断发展为通过图像获得并分析目标提供了基础。图像分割的最基本的原理是确定阈值，并由阈值将图像中的不同像素归为不同的类别，完成图像的分割。灰度图是最简单的图像，对于彩色图像，可以通过变换将其变成灰度图像后再处理。因此，本文首先详细介绍了灰度图像分割的阈值选取方法，给出了实验结果；由于彩色图像的表示效果由其所采用的色彩空间所决定，文中接着介绍了不同色彩空间的描述、主要色彩空间之间的变换关系与常见的用于彩色图像的分割方法。 图像的纹理可以很好地描述图像中的目标。在弱光或光照不均的情况下，Gabor小波滤波器有助于提取出较理想的纹理特征。文中介绍了Gabor小波滤波器并用它提取了马尾松树干的纹理，由滤波器输出的纹理图像经过细化可以得到树干的特征。 当分类目标无法标定，或分类目标复杂性高时，采用一般的阈值分割很难获得较满意的结果。神经网络对于分类问题有独特的解决能力，如果给予较理想的训练样本，就可以得到较好的网络，再用此训练好的网络对输入图像进行分割就会得到较好的结果。文中介绍了BP网络模型的构造，并用由Gabor滤波器输出并经细化的特征作为BP网络的训练样本，用于分割在森林环境中获得的图像中的马尾松图像，实验证明效果良好。为应用本文提出的算法，设计了应用框架，分析了实验的不足之处，指出进一步研究的思路。

目录

文摘

英文文摘

声明

第1章绪论

1.1图像分割概论

1.2应用背景

1.3本文所做的工作

第2章数字图像分割技术

2.1基于阈值分割的方法

2.1.1基于点的全局阈值选取方法

2.1.2基于区域的全局阈值选取方法

2.1 3局部阈值法和多阈值法

2.2彩色图像的分割方法

2.2.1色彩空间及其转换

2.2.2彩色图像直方函阈值法

2.2.3彩色图像特征空间聚类

2.2.4彩色图像基于区域的方法

2.2.5彩色图像边缘检测

2.2.6彩色图像模糊技术分割

第3章基于人工神经网络和纹理特征的马尾松分割方法

3.1马尾松的纹理特征

3.1.1图像特征

3.1.2马尾松树干纹理的Gabor小波提取

3.2基于人工神经网络的图像分割

3.3结合纹理的神经网络分割方法

3.3.1 BP神经网络

3.3.2结合纹理和神经网络的马尾松图像分割方法

第4章应用实例框架

第5章总结与讨论

参考文献

致谢