焦炭顯微光學(xué)組織自動識別關(guān)鍵技術(shù)研究.pdf_第1頁
已閱讀1頁,還剩107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)行舉報或認(rèn)領(lǐng)

文檔簡介

1、合肥工業(yè)大學(xué)博士學(xué)位論文焦炭顯微光學(xué)組織自動識別關(guān)鍵技術(shù)研究姓名:周芳申請學(xué)位級別:博士專業(yè):計算機(jī)應(yīng)用技術(shù)指導(dǎo)教師:蔣建國20111211條件,改善初次聚類結(jié)果,最終實現(xiàn)了光學(xué)組織區(qū)域的有效分割。(4)由于傳統(tǒng)空域和頻域方法對焦炭光學(xué)組織的分類識別效果都不太理想,提出一種基于小波輪廓波變換和局部二進(jìn)制模式的多特征融合自動識別算法,實現(xiàn)了焦炭光學(xué)組織的較完備數(shù)學(xué)模型描述。算法首先通過對輪廓波變換的頻譜混疊現(xiàn)象分析,提出一種小波輪廓波變換

2、,完成圖像多尺度多方向分解。并根據(jù)分解系數(shù)的邊緣分布特性,提取出子頻帶四個統(tǒng)計特征參量。其次,提出改進(jìn)的均勻局部二進(jìn)制模式編碼,分析選取出編碼直方圖為空域紋理特征參量。最后,設(shè)計完整的多特征融合方案,運(yùn)用最近鄰分類器完成焦炭光學(xué)組織的自動分類。實驗結(jié)果顯示,算法識別率可達(dá)90%以上,并具有良好抗干擾性能。(5)為進(jìn)一步解決焦炭光學(xué)組織多樣性和特征復(fù)雜性,提高自動識別精度,充分利用圖像冗余信息,提出一種基于最優(yōu)輪廓波包的焦炭光學(xué)組織自動識

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