2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩77頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、在機器視覺和圖像理解中,圖像分割是非常重要的環(huán)節(jié),是圖像處理等領域中主要研究課題之一。圖像分割結果的好與壞直接決定了后續(xù)圖像分析、圖像理解和模式識別的結果,因此具有較高的研究價值。一種快速刀具圖像分割以及特征檢測方法,對于提高視覺數(shù)控刀具檢測儀工作效率、進行圖像匹配、圖像識別,甚至圖像三維建模都有著重要意義。
   本文研究的主要內容是基于模糊C均值聚類(fuzzy c mean clustering,F(xiàn)CM)算法的刀具圖像分割

2、、輪廓跟蹤以及特征提取的研究。針對傳統(tǒng)的FCM算法在樣本數(shù)和特征數(shù)較多時,運算較為復雜以及耗時較多的問題,提出了一種直方圖相關性作為約束采樣率的快速多閾值FCM分割算法,控制圖像失真,使得需要運算的數(shù)據(jù)量減少,來獲得較快的分割速度以及較好的自適應性。對經(jīng)過FCM算法分割出來的刀具圖像,進而又研究了輪廓跟蹤算法,通過實驗對比鄰域輪廓跟蹤算法的優(yōu)缺點,引入了編碼技術,得到刀具連續(xù)輪廓。通過檢測到的輪廓,分別進行了三點求曲率、Harris角點

3、檢測、三次B樣條曲線擬合求曲率,計算得到了刀具圖像的特征點。
   本文實現(xiàn)的快速模糊C均值聚類算法,在分割灰度圖像時耗時比傳統(tǒng)FCM算法明顯減少;平均運算迭代步驟數(shù)也比傳統(tǒng)FCM算法少,在保證了分割效果的情況下,取得了較滿意的圖像分割效率,使得應用在高像素圖像的分析成為可能。對分割后圖像進行了串行方式的跟蹤,得到有效的輪廓點集,減少采用并行方式進行邊緣檢測易產生斷點的缺點,提高了特征檢測正確率。同時,對于混合編程技術也進行了一

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。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,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確性、安全性和完整性, 同時也不承擔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