基于依赖树和邻域近似的自然景象分割

《基于依赖树和邻域近似的自然景象分割》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、硕士学位论文基于依赖树和邻域近似的自然景象分割COLORIMAGESEGMENTATIONBASEDONDEPENDENCYTREEANDNEIGHBORHOODAPPROXIMATION孟晋洁哈尔滨工业大学2018年6月国内图书分类号：TP391学校代码：10213国际图书分类号：681.3密级：公开工学硕士学位论文基于依赖树和邻域近似的自然景象分割硕士研究生：孟晋洁导师：程远志教授申请学位：工学硕士学科：计算机技术所在单位：计算机科学与技术学院答辩日期：2018年6月授予学位单位：哈尔滨工业大学Classifie

2、dIndex:TP391U.D.C:681.3DissertationfortheMasterDegreeinEngineeringCOLORIMAGESEGMENTATIONBASEDONDEPENDENCYTREEANDNEIGHBORHOODAPPROXIMATIONCandidate：MengJinjieSupervisor：Prof.ChengYuanzhiAcademicDegreeAppliedfor：MasterofEngineeringSpeciality：ComputerTechnologyAff

3、iliation：SchoolofComputerScienceandTechnologyDateofDefence：June,2018Degree-Conferring-Institution：HarbinInstituteofTechnology摘要摘要现如今，随着计算机硬件质量和产量的提升以及计算需求的日益增长，彩色图像分割比灰度图像分割有了更高的价值。彩色图像分割技术已经应用到了各个领域，种种新奇的算法被不断地提出，然而以k最近邻分类模型为基础的彩色图像分割算法有着时间复杂度高、空间复杂度高、对样本不均衡非常

4、敏感、分割效果差、距离计算方式平庸、无法分割复杂背景等诸多问题。针对这些难点，本文提出了一种称为CSDT的基于依赖树CLT、基础决策树CART和贝叶斯推理的彩色图像粗分割算法和一种称为INARF的基于邻域近似随机森林的彩色图像精细分割算法，并阐述了二者的结合方式。首先将图像从RGB转换到HSI颜色空间，仅提取H分量使用，然后把H分量图像切分成较大的重叠块像素，提取Haar特征和LBP特征，通过粗分割算法得到粗分割轮廓，利用重叠率和精细度来显示效果；再将H分量图像用中值滤波去噪，切分成较小的重叠块像素，按GroundT

5、ruth图像分布情况分层抽样这些块像素构成训练数据，提取内部颜色特征和外部邻域特征，计算语义距离，结合粗分割数据，应用精细分割算法和k最近邻分类模型得到最终的分割结果。在卡耐基梅隆-康奈尔大学的icoseg彩色图像分割公开数据集上对本文算法进行了验证，大部分测试数据的IoU达到90%以上，平均IoU达到81.6%。实验结果表明，CSDT-INARF相比于传统阈值分割的Otsu算法、基于KD树的KNN算法、基于KD树的ANN算法，有着更加良好的分割精度。关键词：彩色图像分割；依赖树；邻域近似随机森林；k最近邻；块像素-

6、I-AbstractAbstractNowadays,withtheimprovementofthequalityandproductionofcomputerhardwareandtheincreasingdemandforcomputing,colorimagesegmentationhasbeenmorevaluablethangrayimagesegmentation.Colorimagesegmentationtechnologyhasbeenappliedtovariousfields,andavarie

7、tyofnovelalgorithmshavebeenputforward.However,thecolorimagesegmentationalgorithmbasedonKnearestneighborclassificationmodelhasmanyshortcomingssuchashightimecomplexity,highspatialcomplexity,verysensitivetounbalanceofsamples,poorsegmentationeffect,mediocredistance

8、calculationmethod,difficulttosegmentobjectswithcomplexbackgroundimage,etc.Inordertosolvethesedifficulties,acolorimagecoarsesegmentationalgorithmnamedCSDTbasedonCLT,basicdeci