【摘要】：針對自然圖像的模糊強(qiáng)度檢測和局部模糊區(qū)域分割,提出一種無參考無訓(xùn)練的檢測分割算法.首先對待測圖像進(jìn)行再模糊;然后對再模糊圖像和待測圖像逐點進(jìn)行小鄰域離散余弦變換,得到待測圖像的模糊強(qiáng)度分布;最后結(jié)合K-Means聚類算法和形態(tài)學(xué)運算對圖像的局部模糊區(qū)域進(jìn)行分割提取.實驗結(jié)果表明,采用文中算法得到的模糊強(qiáng)度分布圖能夠有效地檢測和分割圖像的清晰區(qū)域與模糊區(qū)域;與同類算法相比,對于不同模糊形式和不同復(fù)雜度的圖像,該算法在查準(zhǔn)率、查全率和F值等圖像分割性能指標(biāo)上表現(xiàn)較為優(yōu)異,與人眼主觀分割結(jié)果具有較高一致性,且該算法無需進(jìn)行數(shù)據(jù)訓(xùn)練,具有較高的時間效率.
[Abstract]:Aiming at the fuzzy intensity detection and local fuzzy region segmentation of natural images, a non-reference and no training detection and segmentation algorithm is proposed. Firstly, the image is re-blurred, then the small neighborhood discrete cosine transform is carried out on the re-blurred image and the image to be tested, and the fuzzy intensity distribution of the image under test is obtained. Finally, K-Means clustering algorithm and morphological operation are used to segment and extract the local fuzzy region of the image. Experimental results show that the fuzzy intensity distribution map obtained by the proposed algorithm can effectively detect and segment the clear region and the fuzzy region of the image, and compare with the similar algorithms, for the images with different fuzzy forms and different complexity, the fuzzy intensity distribution map can effectively detect and segment the clear region and the fuzzy region of the image. The algorithm has excellent performance in precision, recall and F-value, and has high consistency with subjective segmentation results of human eyes. Moreover, the algorithm does not need data training and has high time efficiency.
【作者單位】： 中國科學(xué)技術(shù)大學(xué)精密機(jī)械與精密儀器系;石家莊鐵道大學(xué)機(jī)械工程學(xué)院;中國科學(xué)技術(shù)大學(xué)國家同步輻射實驗室;
【基金】：國家自然科學(xué)基金聯(lián)合基金(U1332130) 高等學(xué)校學(xué)科創(chuàng)新引智計劃(B07033) 國家“九七三”重點基礎(chǔ)研究發(fā)展計劃項目(2014CB931804)
【分類號】：TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 方偉，李叔梁，，吳佑壽;三維形體的形態(tài)學(xué)運算及應(yīng)用[J];中國圖象圖形學(xué)報;1996年01期

2 陳勇;曹玉保;孟凡偉;;二維離散余弦變換/逆離散余弦變換電路及方法[J];中國集成電路;2012年10期

3 李艷輝;李軍;;基于多項式變換的二維整型離散余弦變換快速算法[J];計算機(jī)應(yīng)用;2006年07期

4 王光偉;;一種離散余弦變換壓縮算法的改進(jìn)[J];計算機(jī)與信息技術(shù);2008年08期

5 麥志杰,鐘金鋼;基于離散余弦變換的光柵投影圖的壓縮研究[J];計算機(jī)工程與應(yīng)用;2005年04期

6 閭楓;;改進(jìn)離散余弦變換圖像數(shù)字水印技術(shù)的研究[J];科學(xué)技術(shù)與工程;2012年16期

7 王樹梅;趙衛(wèi)東;王志成;溫法慧;;離散余弦變換域圖像數(shù)字水印技術(shù)[J];計算機(jī)工程與設(shè)計;2007年21期

8 丁賓,高新波,姬紅兵;基于離散余弦變換的人臉畫像識別方法[J];計算機(jī)工程;2004年20期

9 ;塊離散余弦變換區(qū)域上影像大小任意變換的方法[J];電腦與電信;2008年01期

10 張曉顏;韓斌;周世友;;離散余弦變換在火焰識別中的應(yīng)用[J];核電子學(xué)與探測技術(shù);2009年06期

相關(guān)會議論文 前2條

1 祝平平;潘超;劉建國;胡晨;;一種有效的MDCT快速算法[A];第十四屆全國圖象圖形學(xué)學(xué)術(shù)會議論文集[C];2008年

2 劉俊景;蔣華;;一種基于離散余弦變換與奇異值分解的數(shù)字圖像水印算法[A];2007年全國開放式分布與并行計算機(jī)學(xué)術(shù)會議論文集(下冊)[C];2007年

相關(guān)碩士學(xué)位論文 前10條

1 劉海;人臉識別系統(tǒng)設(shè)計[D];河北大學(xué);2016年

2 祝平平;離散余弦變換快速算法的研究[D];華中科技大學(xué);2008年

3 程鈺涵;基于分布式算法的離散余弦變換的硬件架構(gòu)[D];天津師范大學(xué);2008年

4 胥迪云;基于一階矩的改進(jìn)型離散余弦變換快速算法研究[D];華中科技大學(xué);2012年

5 張瑞強(qiáng);基于離散余弦變換的時間序列分類問題研究[D];浙江工業(yè)大學(xué);2012年

6 姜淼;離散余弦變換IP核的設(shè)計與研究[D];華東師范大學(xué);2008年

7 黃琮軒;基于GPU的離散余弦變換并行程序設(shè)計[D];暨南大學(xué);2011年

8 郭芳芳;基于保實分?jǐn)?shù)離散余弦變換和混沌的圖像加密[D];南昌大學(xué);2014年

9 郭亞銳;面向大規(guī)模數(shù)據(jù)的多視角K-means聚類算法的研究[D];鄭州大學(xué);2017年

10 曹曉鋒;面向維度的高維聚類邊界檢測技術(shù)研究[D];鄭州大學(xué);2017年

本文編號：2287910