课程设计论坛

资料简介：

毕业设计-图像矢量化理论与方法的研究—颜色自动分层算法的研究，共45页，18173字，附开题报告

摘要

矢量化是数字图像处理中的一个重要问题，是一个综合了计算机视觉，计算机图像处理，计算机图形学和人工智能等各个学科的交叉课题。自动矢量化是集计算机技术、数字图像处理、模式识别和人工智能等学科于一体的图像数字化方法，是图像处理与识别技术的新兴发展方向之一。卫星云图的矢量化处理使卫星云图的应用从定性走向定量化水平，显著提高了卫星云图分析的准确性、及时性以及科学性，同时还能提高卫星数据资料的使用率和应用效益，从而进一步提高了卫星云图在气象、海洋气象、林业等领域中的应用价值，对防灾减灾具有重要的意义。

多年来国内外的理论及实践研究成果为本课题的深入研究奠定了良好的基础，但也存在着许多待解决的问题。本课题分别从卫星云图图像分层、阈值选取、边缘提取与跟踪、特征点提取和曲线拟合等方面提出了自己的观点及算法，最后综合以上算法，自主开发了卫星云图自动矢量化的原型系统。

研究成果主要包括：

探讨卫星云图中云图像区域的特征，指出云图像具有的两个属性，提出针对云图像的图像分层方法。

探讨关于云图像中边缘的不确定性，结合图像的宏观特性提出基于自适应阈值的云边缘提取。

探讨关于光栅边缘数据和链边缘数据的优缺点，提出基于链边缘的角度检测方法。

实现了曲线拟合方法，将图像的识别转换为数字的识别。

开发了卫星云图自动矢量化的原型系统，验证了前面算法的可行性，对彩色的卫星云图对象实现了自动的矢量化。

关键词：矢量化；图像分割；边缘检测；角点检测；

目录

第一章 绪论 - 6 -

1.1研究背景与意义 - 6 -

1.2图像矢量化研究现状 - 6 -

1.3本课题研究内容与结构安排 - 7 -

第二章 色彩分层 - 8 -

2.1色彩空间基本知识 - 8 -

2.2常用的色彩空间及转换方法 - 8 -

2.3颜色自动分层的目的与意义 - 10 -

2.4颜色自动分层算法的思想 - 10 -

2.5颜色自动分层算法描述 - 10 -

2.5.1针对云的参数提取 - 10 -

2.5.2针对云图像的优化 - 11 -

2.5.3阈值选取 - 13 -

2.5.3.1四邻域平滑 - 14 -

2.5.3.2局部极小值提取 - 16 -

2.6本章小结 - 17 -

第三章 边缘检测与特征提取 - 18 -

4.1边缘提取 - 18 -

4.1.1基于二值的边缘提取 - 18 -

4.1.2基于阈值的边缘提取 - 19 -

4.2边链转储 - 20 -

4.3角点检测 - 23 -

4.3.1传统角点检测 - 23 -

4.3.2基于边缘链的角点检测 - 23 -

4.4.3角点检测实验与分析 - 28 -

4.4本章小结 - 29 -

第四章 曲线拟合与图像恢复 - 30 -

5.1曲线拟合的目的与意义 - 30 -

5.2分段三点控制的曲线拟合 - 30 -

5.3拟合结果 - 31 -

5.4本章小结 - 31 -

第六章 系统实现 - 32 -

6.1系统的功能 - 32 -

6.2系统软件组成 - 32 -

6.3实验效果 - 34 -

6.4本章小结 - 38 -

第七章 总结与展望 - 39 -

7.1总结 - 39 -

7.2展望 - 39 -

参考文献 - 40 -

本课题研究内容与结构安排

矢量化方法有多种，本文主要研究基于边缘的矢量化。基于边缘特征点的矢量化方法，需要先提取图像上具有意义的边缘，然后根据边缘得到图像上具有意义的特征点集合，最后利用样条曲线对特征点进行拟合,还原边缘信息，恢复图像。

为了详细论述矢量化方法，本文的结构安排如下：

，主要介绍本文的背景、内容与方向，使读者有大致的了解。

，阐述一些基本的色彩知识，并讲解如何从卫星云图中提取出云图像，包括图像的获取方式，实际操作中可能发生的问题等。并描述关于图像分割的内容，包括如何对云图像进行分层，如何使计算机自动完成状态不确定的任务。

，论述了关于特征点的提取，主要分两部分。前半部分论述边缘检测，后半部分论述特征点提取。由于存在不检测边缘的特征点提取方法，所以将这两部分合成一个内容。

，讲解关于曲线拟合的基本知识以及如何进行曲线拟合，拟合过程中可能会遇到的其它问题等。

，展示了系统的实际运行结果。

，总结全文内容，畅想云图矢量化未来的发展。

关于题目中提及的颜色自动分层算法，从意义上讲是对图像提取出具有意义的区块内容。在本文的第二章是对该思想的描述。

资料文件预览：
共2文件夹，6个文件，文件总大小：4.36MB，压缩后大小：2.97MB

• 毕业设计-图像矢量化理论与方法的研究—颜色自动分层算法的研究
• 1091000036
• 1091000036-纳森.doc  [4.34MB]
• 1091000036_成绩单.pdf  [2.46KB]
• 1091000036_答辩记录单.pdf  [2.42KB]
• 1091000036_进度报告.pdf  [10.15KB]
• 1091000036_开题报告.pdf  [3.57KB]
• 1091000036_中期检查表.pdf  [3.19KB]