|
|
题目：
雅宝题库答案：
****此区域为收费内容**** 需支付 1 知识币后可查看，1币=0.01元查看答案
雅宝题库解析：
随着数字图像设备的普及，高速发展的计算机技术与网络技术使得图像的产生、获取、传播、存储变得日益便捷，企业、机构、个人每天都产生、保存着大量的数字图像。从这数据量庞大的数字图像海洋中，快速、准确地搜索定位到用户所希望的图像变得越来越重要，这使得人们对计算机能提供数字图像的理解、检索的需求变得越来越迫切。图像分类技术是图像理解、检索等系统中的关键部分，是连接图像底层视觉特征和高层语义的桥梁。图像分类技术提取图像的特征，以较小的数据量来表示图像内容，并通过这些特征利用数据分类技术将图像与一个或者多个语义建立联系，从而完成从底层视觉特征到高层语义的跨越。本文以研究图像的边缘结构特征为切入点，针对图像分类技术所涉及到的图像增强、图像特征提取、图像分割以及图像分类方法进行了深入的研究，主要的工作成果和创新之处有： 1. 通过分析现有图像去噪、增强算法所存在的边缘模糊题目，提出了一种综合图像的色彩与梯度信息的图像增强算法。该算法分别利用图像的色彩及梯度信息，使用两级过滤的方法来对图像进行去噪，并可以根据需要在去噪的过程中对图像进行平滑增强。实验表明，这种综合的算法有效地能够检测出图像中绝大部分的噪声，然后在尽量保留图像细节的情况下消除这些噪声像素，使图像质量得到极大的提高。与其他算法的相比，该算法重建的图像质量明显优于已有的图像去噪算法，是一种性能稳定、效果较好的图像增强方法。 2. 提出了一种新型的图像特征，梯度能量的角度共生矩阵(GMACM)。本文将图像的梯度定义扩展到了彩色空间，定义了三种适用于彩色图像的梯度及其计算方法。利用共生矩阵的思想，彩色图像的梯度用共生矩阵进行统计以生成GMACM。针对传统共生矩阵方法在统计梯度图像时无法统计零梯度像素的题目，设计了新的统计方法来取代传统的共生矩阵采用的方法。这种图像特征在图像亮度、对比度、色调以及饱和度变化时，具有良好的鲁棒性。相对于传统的色彩特征GLCM、以及纹理特征Gabor特征，基于GMACM的图像分类方法能够取得很好的分类性能。 3. 从图像分类的需要出发，提出了一种混合了色彩与梯度信息的彩色图像自动分割算法GCSEG，解决了现有图像分割算法存在的过度分割的缺陷。其中，提出了一种以图像的梯度信息为基础的边缘检测方法——“G图像”，并以多尺度“G图像”的方式完成图像的初始分割。GCSEG算法运用了以图像色彩特征为基础的区域合并方法合并初始分割区域，并提出了自动根据图像自身特性来确定终止区域合并的规则。GCSEG图像算法是具有较高分割正确率，它能够在将图像中的主要物体正确分割的同时，尽量地减少图像分片的数量，一定程度上缓解了图像过度分割为图像分类理解带来的困难。 4. 在上述工作的基础上，提出了一种基于图像区域GMACM特征的彩色图像分类方法。针对原始GMACM图像特征维数较大的题目，在该方法中采用了两种降维的方法，在显著降低图像特征向量维度的同时，保持了GMACM对图像内容的描述性能。实验表明，在图像分割的基础上，基于图像区域GMACM特征的彩色图像分类方法能够比较有效地区分各种图像类别，取得了较高的分类正确率。实验也证明，两种针对GMACM的特征降维方法可以在保证与GMACM相近的分类正确率的同时，有效地提高分类速度、降低计算和存储的开销。 |
上一篇：一种新型频率输出谐振陀螺理论、仿真与实验研究下一篇：高清数字电视软件设计与实现
|
发表于 2022-9-6 14:53:54
中发现Ni：
中发现Ni：
中发现Ni：
中发现Ni：
中发现Ni：
中发现Ni：
QQ登录
