基于抠图算法的彩色树木图像分割的研究

摘要

彩色树木图像分割是树木图像可视化重建、树木生长状态评估的理论基础，由于彩色树木图像自身和背景的复杂性，树木图像的分割相对比较困难，本文对彩色树木图像分割方法进行研究，主要内容如下:
　　采用基于传统二维最大熵、基于分水岭的彩色树木图像分割方法，对在简单背景和复杂背景下的彩色树木图像进行分割研究，并进行分割结果分析。
　　对传统的Bayes抠图算法理论进行研究，针对其α掩像值求解不准确，掩像图边缘不平滑的问题，提出Bayes抠图改进算法，加入平滑约束，使最终求得的掩像值更加接近实际值，并对两种实验结果进行比较分析。
　　基于对传统Poisson抠图算法理论研究，对图像三分图进行区域生长，减少未知区域像素点，实现传统Poisson抠图算法的改进，减少图像分割运算时间，将两组实验结果进行比较分析。
　　对Robust抠图算法进行理论研究和实验，针对传统算法中掩像值完全由采样前景、背景样本对决定，导致掩像值不连续的问题，基于掩像值的局部连续性，对其进行函数优化，实现对传统Robust抠图算法的改进，并将得到的两组分割结果进行比较分析。
　　对图像库中的树木图像运用以上三种改进算法进行分割实验结果对比和分析，比较各算法分割过程的复杂程度、所需时间和分割结果的完整性，验证改进算法的可行性。

目录

摘要

1 绪论

1．1 研究的目的意义

1．2 树木图像分割研究现状

1．3 抠图算法图像分割的研究现状

1．4 主要研究内容

1．5 技术路线

2 彩色树木图像传统分割方法

2．1 彩色树木图像库

2．2 基于二维最大熵的树木图像分割

2．2．1 二维最大熵基本原理

2．2．2 K-mean聚类

2．2．3 基于二维最大熵的树木图像分割实验结果与分析

2．3 基于分水岭的树木图像分割

2．3．1 分水岭分割基本原理

2．3．2 基于分水岭的树木图像分割实验结果与分析

2．4 本章小结

3 基于Bayes抠图算法的彩色树木彩色图像分割

3．1 抠图技术基本原理

3．2 基于交互式图像分割的三分图生成算法

3．3 Bayes抠图算法原理

3．4 传统Bayes抠图算法实验结果

3．5 Bayes抠图改进算法

3．6 Bayes抠图改进算法图像分割实验步骤

3．7 Bayes抠图改进算法实验结果与分析

3．8 本章小结

4 基于Poisson抠图算法的彩色树木图像分割

4．1 Poisson抠图算法原理

4．2 传统Poisson抠图算法实验结果

4．3 基于区域生长的改进Poisson抠图算法

4．3．1 区域生长算法介绍

4．4 Poisson抠图改进算法图像分割实验步骤

4．5 Poisson抠图改进算法实验结果对比与分析

4．6 本章小结

5 基于Robust抠图算法的彩色树木图像分割

5．1 Robust抠图算法原理

5．2 传统Robust抠图算法实验结果

5．3 Robust抠图改进算法

5．4 Robust抠图改进算法实验步骤

5．5 Robust抠图改进算法的实验结果与分析

5．6 本章小结

6 彩色树木图像分割抠图改进算法的比较分析

6．1 抠图效果对比

6．2 抠图速度对比

6．3 抠图算法的综合评价

6．4 本章小结

7 树木图像分割实验软件系统

7．1 图像用户界面

7．2 实验系统的设计

7．3 实验系统主界面实现

7．3．1 文件菜单

7．3．2 Bayes抠图算法菜单

7．4 本章小结

结论

参考文献

附录

攻读学位期间发表的学术论文

致谢

声明