论文部分内容阅读
本论文对图象语义理论和应用做了深入的研究,图象语义是图象处理学科的一个崭新的方向,它包括图象的低层语义特征和图象的高层语义特征以及如何从低层语义映射到高层语义。目前国内外较少有关图象语义的理论研究,本文主要针对图象结构语义信息、人对图象的主观感知、图象结构模型、彩色图象分割和基于语义的图象物体和区域的提取等进行了深入的研究。本论文的主要工作如下: 1. 较严格的导出了图象结构信息的表达式,定义了一个由结构参数组成的结构空间T,用心理测度函数的变换函数族把图象从结构空间T 映射到结构信息空间I_T, I_T反映人从图象结构中了解到接收到的结构信息。并用δ函数反应人对某个结构参数刺激的特殊响应。指出结构信息是在分析图象结构后得出人对图象结构了解越清楚,则人所得的结构信息就越大,从而人对图象的结构语义的判断就越正确。2. 研究了人对图象的主观感知,分析了人对图象特征点、颜色、形状等的心理响应。由此构造出类似于人的接收机模型,试图把主观感觉和通信及信号处理联系起来进行分析,并说明该模型是可实现的。3.提出了几种图象结构模型。首先应用一维信号的进化模型,建立图象广义空间的进化模型,指出各种参数与图象物理参量的关系。据此建立了图象结构信息模型,指出H(Tran)是图象结构熵,图象应向结构熵最大的方向进化,建立了层次结构模型,指出各个终节点构成语义字符串,定义了图象语义码,码包含的信息量及熵称为语义信息及语义熵。4. 应用聚类算法提取图象的语义物体区域。本文主要考虑了在彩色空间中,用最近邻算法和K-均值算法根据彩色信息进行语义提取。最后根据实际要求提取出具有语义性质的物体,并对两者进行了比较。k-均值算法分割效果较好。通过上述两种方法,可以提取出感兴趣的物体,对于语义分析提供了较大的帮助。Lab5 提出了一种基于形态学分水岭算法的边缘和区域合并的方法,由于分水岭算法具有过分割的效果,在分割之前进行预处理,通过开闭运算分割出图象的前景和背景,实验验证该方法能够节省时间,是一种较好的彩色图象分割方法。6 主要对语义的客观和主观进行了初步研究,提出了一个客观语义与主观语义结合的语义分析模型。7.在图象语义的基础上,提出了一种新的彩色图象检索方法,主要考虑了在HSV