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67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、隨著計算機等科學技術的快速發(fā)展,以計算機技術為支撐的機器人應用也越來越廣泛。機器人視覺圖像分割是移動機器人目標識別、跟蹤和視覺導航等的基礎,圖像分割結果將直接影響到特征提取、目標識別和跟蹤等后續(xù)高等級視覺處理的準確性。基于馬爾科夫(Markov Random Field,MRF)隨機場模型的圖像分割方法將數(shù)學統(tǒng)計學和估計理論引入到圖像分割中,通過貝葉斯理論有效地引入了圖像的先驗信息,充分考慮了圖像中相鄰像素之間的空間相互關系,具有較少的

2、模型參數(shù),且易于擴展,因此該方法已成為計算機視覺圖像分割處理領域的一個研究熱點。
  首先,本文以機器人視覺(Robot Vision,RV)圖像為研究對象,針對其模糊、噪聲較多等特點,對目前國內外已經(jīng)提出的眾多圖像分割方法進行對比分析,選擇將MRF分割方法引入到RV圖像分割中,對MRF分割方法進行了系統(tǒng)的研究。
  其次,由于RV圖像的復雜多樣性,傳統(tǒng)的MRF分割難以取得較好的分割結果。為解決這一問題,本文提出一種基于四叉

3、樹分解的條件迭代(Iterative Conditional Mode,ICM)分割算法,充分考慮了圖像中不同區(qū)域的紋理特性,構造了一種變耦合系數(shù)的分割模型:針對ICM算法中定耦合系數(shù)分割精度不高的特點,將四叉樹分解引入到算法求解過程中,根據(jù)分解得到的不同區(qū)域各自的特性,對其賦予不同的耦合系數(shù),得到一種適應區(qū)域特性的變耦合系數(shù)ICM算法。通過對不同圖像進行分割實驗,與傳統(tǒng)ICM算法相比,結果表明改進算法對圖像的適應性得到改善,分割可靠度

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