论文部分内容阅读
图像分割、特征聚类和特征类匹配是图像处理与视觉计算领域的重要研究内容。本文探讨图像分割、特征聚类及特征类匹配方法及其在人脸图像和糖尿病视网膜病变图像上的应用。本文首先探讨了图像特征聚类及特征类匹配方法,设计了一种改进的区域相似度计算方法,进而设计了一种基于特征类的人脸图像匹配方法。具体内容包括:(1)利用基于Harr-like特征的图像分割方法进行图像的人脸区域提取以消除图像中背景区域对匹配结果的影响。(2)对SIFT算法的相关参数进行阈值选择以保证在不影响匹配精度的条件下得到尽量多的特征向量,从而获得更稳定的人脸特征。(3)将SIFT特征提取算法应用于人脸图像并观察特征点在人脸图像上的分布情况。由于特征主要分布于左右眼、鼻子与左右嘴角五个区域,因此我们选择5个初始聚类中心并利用K-means算法对SIFT特征点进行聚类,完成人脸图像的区域划分,并对不同图像进行区域之间的匹配以提高匹配性能。(4)基于通用的向量空间相似性度量公式,将欧氏距离与夹角余弦进行结合设计了一种改进的相似性度量公式。(5)考虑到人脸图像的不同区域对于匹配结果的重要性不同,为不同区域赋予不同的权重,进而设计了一种基于特征类匹配的人脸图像特征匹配方法。我们在公开可获得的ORL人脸图像库和与YALE人脸图像库上进行了基于特征类的人脸图像匹配实验,结果阐明了我们方法的有效性。本文接着探讨了糖尿病视网膜病变图像的视盘定位方法以提高眼底图像的视网膜病变的计算机辅助诊断效率。具体内容包括:(1)采用阈值分割方法对眼底图像进行二值化处理并提取眼底图像的ROI以减小计算量,从而减少眼底图像的黑色背景区域对于定位结果的影响。(2)通过尝试多种亮度归一化方案最终选定了基于比例算子的归一化方法来降低眼底图像的亮度不均衡、对比度不明显等对于定位结果的影响。(3)通过对眼底图像的灰度化处理结果进行分析,我们发现利用绿色通道灰度图能够在保留较完整的图像信息的同时获得较高的对比度。基于此,我们设计了一种适用于糖尿病视网膜病变图像的具有一定通用性的视盘模板。(4)基于视盘模板设计了 一种糖尿病视网膜病变图像的快速视盘定位方法。通过在眼底图像中依次滑动视盘模板并计算模板与图像被覆盖区域的相似度来确定待匹配图像中最相似的区域。我们在目前最大的眼底图像数据库MESSIDOR上进行匹配定位实验,大量实验结果表明,基于视盘模板的快速匹配方法能较好地进行视盘定位。所做工作在一定程度上改善了图像匹配的性能,具有一定的理论和实践意义。