圖像分割算法研究.pdf_第1頁
已閱讀1頁,還剩72頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

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(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

1、密級桂林電子科技大學(xué)碩士學(xué)位論文題目題目圖像分割算法研究(英文)ResearchonImageSegmentationAlgithm研究生學(xué)號:112081508研究生姓名:楊小娟指導(dǎo)教師姓名、職務(wù)指導(dǎo)教師姓名、職務(wù):王改云教授申請學(xué)位門類:工學(xué)學(xué)科、專業(yè)科、專業(yè)名稱名稱:模式識別與智能系統(tǒng)提交論文日期:2014年4月論文答辯日期:2014年6月摘要I摘要圖像分割是數(shù)字圖像處理中一項(xiàng)基本且關(guān)鍵的技術(shù),分割結(jié)果的優(yōu)劣將會直接影響到圖像處理

2、后續(xù)進(jìn)行,在圖像分割算法研究過程中,都要考慮到圖像中噪聲的影響,同時(shí)還要注意分割的效果和分割的速度等因素。本文也是在基于上述這些考慮的基礎(chǔ)上來對圖像分割算法進(jìn)行以下研究分析和相關(guān)改進(jìn):1.深入了解分析當(dāng)前圖像分割概念以及現(xiàn)狀,將目前分割方法分為七類;對傳統(tǒng)的圖像預(yù)處理(增強(qiáng)和去噪)中的幾類方法進(jìn)行了實(shí)驗(yàn)對比研究。2.針對分水嶺分割算法對噪聲敏感并且容易存在過分割現(xiàn)象的缺點(diǎn),進(jìn)行實(shí)驗(yàn)一,基于巴特沃斯高通濾波器的高頻強(qiáng)調(diào)濾波的分水嶺分割,并

3、對高通濾波和高頻強(qiáng)調(diào)濾波分割的原理進(jìn)行了實(shí)驗(yàn)對比分析,實(shí)驗(yàn)結(jié)果證明有效的減少了過分割現(xiàn)象,較好的獲取了目標(biāo)圖像的邊緣。3.實(shí)驗(yàn)一雖然在之前基礎(chǔ)有了一定改善,但還是存在不足之處,所以進(jìn)行了實(shí)驗(yàn)改進(jìn)二,即基于imhminH極小值標(biāo)記提取的分水嶺分割法,經(jīng)過實(shí)驗(yàn)驗(yàn)證,分割結(jié)果和實(shí)驗(yàn)一相比可以更加完整的獲取目標(biāo)圖像的邊緣并且提高了分割效率。4.研究了基于曲線演化理論的圖像分割的由來,算法以及分割原理,并在前人研究的基礎(chǔ)上,對曲線演化的MATLA

4、B主程序作了改進(jìn),將程序簡化,并進(jìn)行了實(shí)驗(yàn)對比研究,并對經(jīng)過曲線演化發(fā)展而來的水平集算法基本概念進(jìn)行了相關(guān)研究。5.針對基于水平集方法的圖像分割里面的GAC模型,CV模型和SBGFRLS模型分割方法這三種分割算法進(jìn)行深入研究,并進(jìn)行實(shí)驗(yàn)研究和分析,更深一步的對比總結(jié)它們的算法原理和各自利弊;還做了兩點(diǎn)改進(jìn):針對GAC模型分割對象時(shí)候依賴初始輪廓位置的局限性,進(jìn)行基于imhminH極小值標(biāo)記提取的分水嶺分割和GAC結(jié)合的改進(jìn);針對SBGF

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(hù)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(shí)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。

評論

0/150

提交評論