本站联系方式
   联系QQ  :1095080675
   联系QQ  :1223950575
  技术指导:1353934434
  
  电子邮箱:1095080675@qq.com
标题  地质图像的图像分割研究
编号  22098
资料明细  毕业论文
推荐指数  ★★★★★
论文内容

摘要:
由于不同的地质图像千差万别,几乎没有完全相同的地质图像,使得地质图像的分割变得非常困难。本文主要研究的是通过地质图像的数字化,利用HSI彩色模型中各分量的相似性进行聚类,对图像采用误差平方和准则函数进行C均值聚类分割。在自动进行聚类的同时,完成了对物体的标号,充分发挥非监督聚类算法的优势,为地质图像特征提取、参数测量以及更高层的分析和理解成为可能。
关 键 词:图像分割 图像处理 HIS
The Geological image of Segmentation Study
Abstract: As different geological different image, almost no exactly the same geological images , making the division of geological image has become very difficult. This article is the study of geology through the digital images using HSI color model in the amount of similarity of the cluster, using the image error square and guidelines function C means clustering segmentation. Clustering in automatically, at the same time completed the labeling of objects and give full play to non-supervision of the advantages of clustering algorithm to image geological feature extraction, measurement and analysis and a higher level of understanding possible.
Keywords: Image division Imagery processing HIS
1. 引言
交通运输是国民经济发展的基础,路网建设将成为投资的重点之一,很多隧道在线路总长中占有很大比例,最多可达到40-50%以上。因此隧道的挖掘施工与地质探测在整个路网建设中占有极其重要的作用。对隧道的挖掘施工必然会遇对隧道前方的裂纹发生情况及地质结构做出预测的问题以及隧道受力结构变化等一系列问题,这些问题一旦处理不好,将极有可能在隧道施工过程中带来灾难性后果,如隧道塌陷、地下水泛滥等。为了确认施工的安全性有必要进行日常的掌子面观察。 由于不同的隧道掌子面千差万别,几乎没有完全相同的隧道掌子面,对隧道掌子面数字图像来说,处理起来也具有一定的难度。特别是掌子面图像非常复杂,不同地域,甚至同一施工地段的不同地方的掌子面数 字图像都可能有非常大的差别,使得掌子面图像的分割和模式识别变得非常困难。
目前的图像处理技术,大多数算法都是根据具体的数字图像信息具体分析得出的,并非在任何情况下都可以使用。针对隧道掌子面的数字图像处理算法几乎没有,对具体隧道掌子面数字图像进行什么样的分析和采用什么样的算法都是一个未知数。 2. 数字图像表示方法
为了适应数字计算机的处理,必须对连续图像函数进行空间值数字化。空间坐标(x,y)的量化称为图像采样,而幅值数字化被称为灰度级量化。经过数字化后的图像称为数字图像。数字图像一般有两种表示方法。
1、灰度图像的阵列表示法
2、二值图像表示法
在数字图像处理中,为减少计算量,常将灰度图像转换为二值图像处理。所谓二值图像就是只有黑白两个灰度级,即像素灰度级非0即1,其数字图像可用每个像素1bit的矩阵表示。
3. 图像分割算法
图像分割是按照一定的规则将图像分成若干个子集的过程,是图像处理中的关键步骤。目的是将图像中有意义的特征或感兴趣的目标提取出来,使图像特征提取、参数测量以及更高层的分析和理解成为可能。图像分割一直是人们高度重视的问题。
由于实际中需处理的图像多数是彩色图像,而彩色图像中包含的图像信息相比灰度图像和二值图像更多,因此对其的处理显得十分重要。彩色图像处理过程中会用到各种不同的彩色模型。面向硬设备(如电脑显示屏等)最常用的彩色模型是RGB模型。HSI模型是彩色处理中最常见的模型,其中H表示色调(hue),S表示饱和度(Saturation), I表示密度(Intensity,对应成象亮度和图像灰度)。该模型中,I分量与图像的彩色信息无关,H和S分量与人感受颜色的方式是紧密相连的。通常把色调和饱和度通称为色度,用来表示颜色的类别与深浅程度。由于人的视觉对亮度的敏感程度远强于对颜色浓淡的敏感程度,为了便于色彩处理和识别,人的视觉系统经常采用HSI彩色空间,它比RGB彩色空间更符合人的视觉特性。论文中研究了利用HSI彩色空间的视觉特征,对图像进行C均值聚类分割的算法。C均值聚类算法利用HSI彩色模型中各分量的相似性进行聚类,该算法采用了误差平方和准则函数,利用彩色图像中各像素点的HSI分量进行聚类,能够充分发挥非监督聚类算法的优势,在自动进行聚类的同时,完成了对物体的标号,达到了分割的目的。
现实中处理的图像多数是RGB图像,为了分割图像,需要对其进行彩色模型转换。

说明
 以上是论文部分内容。如果对以上内容感兴趣,可以QQ:1095080675或邮件1095080675@qq.com继续联系我们。
  • 上一篇:基于Rabin算法研究改进递增背包公钥密码体制
  • 下一篇:基于存储空间的P2P激励机制的研究