基于Gap统计的图像分割理论与算法研究
图像处理与模式识别是一门前沿的交叉学科，其中边缘检测、图像分割以及目标的表达等都是该学科的主要研究方向。而图像分割又是图像处理、模式识别和人工智能等领域中一个十分重要的研究课题，也是图像理解的基础和计算机视觉领域低层次视觉的经典研究难题。本文结合“基于IBR的仿真图像生成理论与技术研究”、“仿真实时图像生成和分析系统”及“基于图像的虚拟战场环境生成技术研究”等项目，以Gap统计方法为主线，系统深入地研究了基于Gap统计方法的图像分割理论与算法，所取得的主要研究成果与创新之处为：
(1)全面分析与总结了前人关于图像分割的随机统计模型、几何分析模型和神经网络模型等，首次提出了基于“GapStatistic”的思想来研究图像分割的理论与算法；
(2)提出了函数Gap的一般概念，依据边缘判断的不同特征或标准，定义了几种具体的函数Gap，分析了不同函数Gap之间的关系。并利用函数Gap的理论，首次研究了图像的Gap统计特性，提出了边缘检测的Gap统计模型；
(3)提出了图像中点Gap的概念，研究了图像中边缘的点Gap特征，导出了广义阶跃边缘和广义屋脊边缘的表示方法，建立了图像多尺度边缘检测的点Gap模型，并提出了点分布Gap的图像多尺度边缘检测算法，进一步研究了点顺序秩和Gap及其理论在边缘检测中的应用；
(4)基于Gap统计理论，利用图像像素之间的近程和远程相关性，提出了加权Gap的概念；提出了多尺度加权邻域的图像边缘检测模型与算法，并分析了Gap算子与Sobel边缘检测算子的关系；
(5)提出了函数特征、间隙、总间隙及全间隙等概念，建立了图像分割的Gap统计模型，并给出了较为详细的算法。分析了图像分割Gap统计模型中正则部分和奇异部分的特点，导出了区域特征自相似函数的分割结果与模型调节参数的关系。
图像建模;图像分割;图像边缘检测;多尺度;Gap统计;Mumford-Shan模型
南京理工大学
博士
计算机应用
吴慧中
2005
中文
TP391.41;O212.1
103
2006-04-25（万方平台首次上网日期，不代表论文的发表时间）