几种图象结构语义模型和图象语义物体分割的研究

摘要

本论文对图象语义理论和应用做了深入的研究，图象语义是图象处理学科的一个崭新的方向，它包括图象的低层语义特征和图象的高层语义特征以及如何从低层语义映射到高层语义。目前国内外较少有关图象语义的理论研究，主要针对图象结构语义信息、人对图象的主观感知、图象结构模型、彩色图象分割和基于语义的图象物体和区域的提取等进行了深入的研究。 本论文较严格的导出了图象结构信息的表达式，定义了一个由结构参数组成的结构空间T，用心理测度函数的变换函数族把图象从结构空间T映射到结构信息空间IT，IT反映人从图象结构中接收到的结构信息。并用δ函数反应人对某个结构参数刺激的特殊响应。我们指出结构信息是在分析图象结构后得出，人对图象结构了解越清楚，则人所得的结构信息就越大，从而人对图象的结构语义的判断就越正确。　　本文研究了人对图象的感知信息，分析了人对图象特征点、颜色、形状等的心理响应。我们由此构造出类似人的接收机模型，试图把主观感知和通信及信号处理联系起来进行分析，并说明该模型是可实现的。　　本文提出了几种图象结构模型。首先应用一维信号的进化模型，建立图象广义空间的进化模型，指出各种参数与图象物理参量的关系。据此建立了图象结　　构信息模型，指出H(Tran)是图象结构熵，图象应向结构熵最大的方向进化，建立了层次结构模型，指出各个终节点构成语义字符串，定义了图象语义码，码包含的信息量及熵称为语义信息及语义熵。　　本文应用聚类算法提取图象的语义物体区域。本文主要考虑了在Lab彩色空间中，用最近邻算法和K-均值算法根据彩色信息进行语义物体区域提取。最后根据实际要求提取出具有语义性质的物体，并对两者进行了比较。k-均值算法分割效果较好。通过上述两种方法，可以提取出感兴趣的物体，对于语义分析提供了较大的帮助。　　本文提出了一种基于分水岭算法的标记提取和区域合并的方法，由于分水岭算法具有过分割的效果，在分割之前进行预处理，通过开闭运算分割出图象的前景和背景，实验验证该方法能够节省时间，是一种较好的彩色图象分割方法。　　本文对客观语义和主观语义进行了初步研究，提出了一个客观语义与主观语义结合的语义分析模型。　　在图象语义的基础上，本文提出了一种新的彩色图象检索方法，主要考虑了在HSV色彩空间中通过量化提取其颜色特征，同时考虑了图象的彩色—空间特性，对图象不同的语义进行分类及检索。实验表明该方法是有效的，是一种新的图象语义检索的方法。

目录

文摘

英文文摘

华南理工大学学位论文原创性声明及学位论文版权使用授权书

第一章绪论

1.1研究背景和意义

1.1.1课题的研究背景

1.1.2研究语义的意义

1.2国内外研究状况

1.2.1图象语义的研究方向

1.2.2图象语义特征

1.2.3图象语义的提取

1.2.4 MPEG-7，21的框架

1.2.5人视觉系统的特性

1.2.6图象语义检索

1.3汉字文本语义研究中的重要进展

1.4图象语义研究的发展方向及存在问题

1.5本研究课题的来源

1.6本文的主要工作及主要创新点

第二章图象结构语义信息的理论分析

2.1引言

2.2与本章相关的一些数学方法

2.2.1拓扑空间

2.2.2度量空间

2.2.3 Hilbert空间

2.2.4同调代数基本概念

2.3图象语义

2.3.1图象语义的定义

2.3.2图象结构信息的分析

2.4结构信息映射函数族的选择

2.5结构参数的表达形式

2.6图象语义的形式化的数学模型

2.7小结

第三章人对图象主观感知响应

3.1引言

3.2人视觉系统

3.2.1视觉的空间特性

3.2.2视觉的时间特性

3.2.3视觉的方向选择性

3.3图象输入刺激的分析

3.3.1人眼的信息处理机制

3.3.2视觉处理分析过程

3.3.3模拟人视觉特性

3.3.4边缘轮廓提取

3.4对图象刺激的心理响应

3.4.1心理响应函数

3.4.2感知颜色和语义颜色的作用

3.5近似的人接收机模型

3.6小结

第四章基于彩色特征的图象语义区域的提取

4.1引言

4.2语义颜色特征

4.3彩色分类

4.4用最近邻算法提取语义物体

4.4.1最邻近聚类准则

4.4.2具体实现

4.4.3实验结果与分析

4.5用K-均值算法提取语义区域

4.5.1具体算法

4.5.2实验结果与分析

4.6小结

第五章几种图象结构模型的分析

5.1引言

5.2图象结构的进化模型

5.2.1一维进化模型

5.2.2图象进化模型

5.3图象结构信息模型

5.3.1信息熵、条件熵及平均互信息

5.3.2图象结构的信息模型

5.4图象层次结构的字符串模型

5.5小结

第六章基于数学彩态学的图象语义分割

6.1引言

6.2彩色特征

6.3图象分割预处理

6.3.1图象去噪

6.3.2梯度算子的选择

6.4形态学灰度膨胀与腐蚀

6.4.1二值形态学

6.4.2灰度形态学

6.5分水岭算法原理

6.5.1基本原理

6.5.2分水岭算法

6.6前景和背景物体的标记

6.7实验结果与分析

6.8小结

第七章一种视频语义的表述模型

7.1引言

7.2视频语义信息的客观描述

7.3语义信息的分析

7.4主观语义

7.5小结

第八章基于物体空间位置的图象语义分类

8.1引言

8.2 HSV彩色分量量化

8.3彩色-空间特征的提取

8.3.1彩色-空间特征的提取

8.3.2划分颜色区域

8.3.3特征提取

8.3.4三种颜色的排列顺序

8.4图象语义分类

8.5小结

结论

参考文献

攻读学位期间发表的与学位论文内容相关的学术论文

致谢