图像分割的认知物理学方法PDF电子书下载

第1章 绪论 1

1.1 研究目的与意义 1

1.2 国内外研究现状及发展动态 4

1.2.1 认知物理学的研究现状及发展动态 4

1.2.2 粒计算的研究现状及发展动态 6

1.2.3 图像分割的研究现状及发展动态 8

1.2.4 图像分割质量评价的研究现状及发展动态 11

1.3 本书的主要关注点 13

第2章 认知物理学的理论与方法 16

2.1 认知物理学的内涵 16

2.2 数据场 18

2.2.1 数据场的势函数形态 18

2.2.2 数据场的可视化方法 20

2.2.3 数据场的影响因子 21

2.2.4 动态数据场 22

2.3 云模型 24

2.3.1 正向正态云发生器 25

2.3.2 逆向正态云发生器 26

2.3.3 云模型与二型模糊集合的比较 32

2.4 基于数据场的可变粒度层次结构 34

2.5 本章小结 36

第3章 图像分割的认知物理学框架 37

3.1 图像分割与粒计算 37

3.1.1 粒计算模型及其基本问题 37

3.1.2 图像分割的粒计算原理 38

3.2 基于认知物理学粒计算模型的图像分割框架 40

3.2.1 认知物理学支持下的图像分割粒计算模型 40

3.2.2 与传统粒计算模型的关系 43

3.3 利用数据场的图像粒化 44

3.3.1 图像数据场 44

3.3.2 图像特征场 51

3.4 利用可变粒度层次结构的图像粒化计算 55

3.4.1 图像数据场的层次结构 55

3.4.2 图像特征场的层次演化 57

3.4.3 图像粒的层次转换 59

3.5 利用云模型的图像不确定性粒化计算 61

3.5.1 图像数据场的不确定性分析 61

3.5.2 图像特征场的不确定性演化 62

3.6 本章小结 63

第4章 图像分割的多层次粒计算方法 64

4.1 图像过渡区提取与分割方法 64

4.1.1 图像过渡区概述 64

4.1.2 融合局部特征的图像过渡区提取方法 65

4.1.3 过渡区与图像数据场 69

4.1.4 IDfT方法描述与分析 71

4.1.5 IDfT方法实验结果与分析 73

4.2 图像同质区域分割方法 79

4.2.1 同质区域与图像数据场 79

4.2.2 图像同质吸引关系 81

4.2.3 IDfH方法描述与分析 82

4.2.4 IDfH方法与相关传统方法的关系 84

4.2.5 IDfH方法实验结果与分析 85

4.3 图像不确定性分析的粗糙熵方法 88

4.3.1 粗糙集图像分析概述 88

4.3.2 图像不确定性表示的粗糙集方法 89

4.3.3 自适应的粗糙粒度 92

4.3.4 AREbIT方法描述与分析 95

4.3.5 AREbIT方法实验结果与分析 96

4.4 图像不确定性边缘提取方法 99

4.4.1 图像边缘提取概述 99

4.4.2 边缘与图像数据场 100

4.4.3 图像边缘的不确定性分析 102

4.4.4 CDbE方法描述与分析 105

4.4.5 CDbE方法实验结果与分析 106

4.5 本章小结 112

第5章 图像分割的多视角粒计算方法 113

5.1 不确定性的图像一维阈值分割方法 113

5.1.1 多视角的图像数据场 113

5.1.2 图像数据场在不同视角所反映的特征 115

5.1.3 CDbT方法描述与分析 117

5.1.4 CDbT方法实验结果与分析 119

5.2 快速的图像二维阈值分割方法 122

5.2.1 图像二维阈值分割概述 122

5.2.2 图像二维特征场及其势心 123

5.2.3 2DDF方法描述与分析 125

5.2.4 2DDF方法实验结果与分析 127

5.3 无显式准则的图像三维阈值分割方法 129

5.3.1 图像阈值分割的视觉特性 129

5.3.2 图像三维特征场 130

5.3.3 图像三维特征场的演化 132

5.3.4 3DDF方法描述与分析 133

5.3.5 3DDF方法的收敛性分析 134

5.3.6 3DDF方法实验结果与分析 137

5.4 无显式准则的图像高维分割方法 152

5.4.1 图像灰度与纹理特征的融合 152

5.4.2 图像高维特征场及其演化 154

5.4.3 hDDF方法描述与分析 158

5.4.4 hDDF方法实验结果与分析 160

5.5 本章小结 164

第6章 利用认知物理学方法的图像应用尝试 165

6.1 利用数据场的图像特征提取尝试 165

6.1.1 稀疏二值图像特征提取概述 165

6.1.2 二值图像数据场 166

6.1.3 BDfF方法描述与分析 167

6.1.4 BDfF方法时间复杂度及讨论 170

6.1.5 BDfF方法实验结果与分析 171

6.2 利用数据场的图像分析框架 179

6.2.1 图像数据场变换 180

6.2.2 IdfF图像分析框架 183

6.2.3 IdfF框架的参数设置策略 183

6.2.4 IdfF算法分析与实验设置 185

6.2.5 IdfF框架实验结果与分析 185

6.3 利用云模型的图像特征提取尝试 190

6.3.1 血细胞图像特征提取概述 190

6.3.2 血细胞图像的云模型表示 191

6.3.3 血细胞图像特征提取 193

6.3.4 CbBT方法描述 194

6.3.5 CbBT方法时间复杂度分析 195

6.3.6 CbBT方法实验结果与分析 195

6.4 利用云模型的图像分析框架 200

6.4.1 图像不确定性表示 200

6.4.2 CbRC方法描述与分析 203

6.4.3 利用CbRC方法的改进统计阈值分割 206

6.4.4 CbRC方法实验结果与分析 209

6.5 本章小结 217

第7章 讨论与研究展望 218

7.1 图像分割的认知物理学研究展望 218

7.2 利用认知物理学的图像应用研究展望 219

参考文献 224