

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認(rèn)領(lǐng)
文檔簡介
1、論文以灰色理論為中心,著重研究灰色理論在數(shù)字圖像處理及圖像分割質(zhì)量評價兩方面的內(nèi)容,論文有三大主要任務(wù):
1)探求灰色理論在木材缺陷數(shù)字圖像處理中的具體應(yīng)用,包括灰色關(guān)聯(lián)自適應(yīng)均值濾波算法、基于變權(quán)關(guān)聯(lián)度的圖像邊緣檢測技術(shù)、基于灰色關(guān)聯(lián)度的模糊熵閾值分割算法、灰色聚類圖像分割質(zhì)量評價算法以及基于FD灰關(guān)聯(lián)的圖像分割質(zhì)量評價算法;
2)對目前常用的一些數(shù)字圖像處理技術(shù)進行介紹與對比,使用灰色理論的圖像分割質(zhì)量評價算法對
2、現(xiàn)有算法的分割結(jié)果進行評價對比,驗證評價算法的評價結(jié)果與人眼觀察得到的結(jié)果是否相符;
3)針對其中一些算法的特點,提出改進方案,并使用灰色理論評價算法驗證改進算法的性能是否優(yōu)于傳統(tǒng)算法。在此基礎(chǔ)上,提出論文的改進方案或新算法。
在完成上述三大任務(wù)之后,設(shè)計一套簡單的圖像分割質(zhì)量評價系統(tǒng),并使用Matlab2013b軟件自帶的圖形用戶界面開發(fā)環(huán)境,給出其GUI界面實現(xiàn)。
通過大量木材缺陷圖像的圖像分割及分割質(zhì)
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于機器視覺木材表面缺陷圖像分割研究.pdf
- 木材表面缺陷的圖像分割算法研究.pdf
- 基于二維熵的木材表面缺陷圖像分割.pdf
- 帶鋼表面缺陷圖像中目標(biāo)區(qū)域的分割研究.pdf
- 基于圖像處理的工件表面缺陷檢測理論與方法研究.pdf
- 基于數(shù)據(jù)合并策略的圖像分割質(zhì)量評價技術(shù)研究.pdf
- 基于圖像的螺紋表面缺陷檢測.pdf
- 基于圖像的軌道表面缺陷識別研究.pdf
- 基于機器視覺的板材表面缺陷檢測與識別算法研究.pdf
- 基于Otsu理論的圖像分割算法研究.pdf
- 木質(zhì)板材表面缺陷檢測技術(shù)研究.pdf
- 基于改進灰色聚類的鐵譜圖像分割.pdf
- 基于特征融合的實木板材紋理判別研究.pdf
- 鐵譜圖像分割質(zhì)量評價方法研究.pdf
- 圖像分割與評價及圖像三維表面重建研究.pdf
- 帶鋼表面缺陷圖像檢測理論及識別算法研究.pdf
- 基于Otsu理論的圖像分割算法的研究.pdf
- 基于模糊理論的圖像分割算法的研究.pdf
- 基于圖譜理論的圖像匹配和圖像分割算法研究.pdf
- 基于圖像分割評價的圖像目標(biāo)定位研究.pdf
評論
0/150
提交評論