登录

  • 登录
  • 忘记密码?点击找回

注册

  • 获取手机验证码 60
  • 注册

找回密码

  • 获取手机验证码60
  • 找回
毕业论文网 > 开题报告 > 地理科学类 > 地理信息科学 > 正文

基于LevelSet和DeepMatching的交互式遥感影像分割算法研究开题报告

 2021-03-14 10:03  

1. 研究目的与意义(文献综述)

1、目的及意义(含国内外现状研究现状分析)

图像是对世界上客观存在的对象的一种形象性的、相似性的描述,随着科技的不断进步以及计算机技术的不断发展,图像成为了人们生产生活中最常用的信息载体。一幅图像中常常包含了丰富的信息,这些信息中有些信息是有用的,而有些信息是毫无意义的,进行图像分割的目的就是通过某种方法把图像分割成若干个具有特定属性的区域,使得图像在区域间呈现明显的属性差异,而在同一个区域内有相似的属性,这些属性可以是颜色、纹理、形状、灰度等等,然后再提取出人们感兴趣的区域进行研究。图像分割是图像处理的关键步骤以及重要环节,它直接影响到后期结论的准确性,所以找到一种准确的图像分割方法至关重要。

(1)研究背景与研究意义

剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!

2. 研究的基本内容与方案

水平集主要是对目标进行边缘检测,得到目标的轮廓,深度匹配则是找目标间的特征点匹配(得到的是点),而想把目标区域给分割出来,就把这两种方法结合起来进行联合分割,在同一个轮廓内的像素具有空间邻近性,如果这个轮廓内的特征点都是前景则轮廓内所有像素都可以人为是前景,同样全是背景就都可认为是背景,因此,每一个像素都受水平集轮廓和轮廓内特征点的加权影响。

具体的实施步骤:先由人工选择一块区域,分别选择里面的前景背景,用CA对其进行演化,得到的结果作为前景背景模板。接下来用DeepMatching算法对要分割的图像进行前背景特征点匹配,匹配完成之后每个点会有一个得分,选取与模板中前景最匹配的10%的点和与模板中背景最不匹配的10%的点作为前景,选取与模板中背景最匹配的10%的点和与前景最不匹配的10%的点作为背景。再用LevelSet算法进行边界演化,演化时先把图像分成若干个小块,然后找出每一块中的所有轮廓。最后将LevelSet和DeepMatching得到的结果进行融合,分别对每一块中的每一个轮廓进行全图连接,得到最后的结果。

3. 研究计划与安排

第一阶段:选定研究课题起-3月5号

1)查阅相关文献资料。了解了图像分割目前发展的大致趋势以及一些主要的方法,查阅了与水平集以及深度匹配相关的论文,知道水平集方法以及深度匹配方法的原理和大致思想。深入学习了几种图像分割模型,对不同模型的优缺点进行了比较,为后期将水平集和深度匹配这两种方法融合打下基础。

2)学习c 。本次算法的实现使用的是c 编程语言,而之前并没有相关的学习经验,所以在前期需要对c 的基本语法以及如何使用进行学习,能看懂现有的c 实现的水平集算法。

剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!

4. 参考文献(12篇以上)

参考文献:

[1] s osher,j a sethian.fronts propagating with curvature dependent speed:algorithms based on hamilton-jacobj formulation[j],journal of computational physics,1988,79(1):12-49

[2] v caselles,r kimmel,and g sapiro.geodesic active contours[j].international journal of computer vision,1997,22(1):61-79.

剩余内容已隐藏,您需要先支付 10元 才能查看该篇文章全部内容!立即支付

企业微信

Copyright © 2010-2022 毕业论文网 站点地图