- 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
- 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
数字图像分割多阈值Otsu方法多维Otsu方法硕士论文.doc
Otsu图像分割方法的研究与应用
计算机软件与理论, 2011, 硕士
【摘要】 图像分割是图像处理技术中的重要问题,也是计算机视觉研究中的一个经典难题。计算机视觉中的图像理解包括目标检测、特征提取和目标识别等,都依赖于图像分割的质量。图像分割是对图像进行模式识别和视觉分析的基本前提,分割的准确性直接影响到后续的图像分析、识别和解释的质量和效率,因此,具有十分重要的意义。阈值分割方法是图像分割技术中最常用的方法,其实质是利用图像的灰度直方图信息获取用于分割的最佳阈值。Otsu方法一直被认为是阈值自动选取方法中的最优方法。根据图像的灰度特征,一维Otsu法将图像划分为目标和背景两部分。该方法计算简单,在一定条件下不受图像对比度与亮度变化的影响,在一些实时图像处理系统中得到广泛应用。本文介绍了数字图像分割的研究目的、意义、研究现状和展望,介绍了数字图像分割的基本理论,常用的分割方法和分类。本文的主要研究对象是Otsu理论,首先介绍了传统一维Otsu法,将一种改进的一维单阈值Otsu方法和一维多阈值分割方法相结合,提出了一种新的一维多阈值Otsu方法,进行了相关实验验证这一方法的有效性,并对实验结果进行分析。其次,研究多维Otsu方法,重点在二维Otsu方法。将一维Ots...?更多还原
【Abstract】 Image segmentation is one of the most important issues in image processing technology and computer vision research. For example, in computer vision research, image understanding including target detection, feature extraction and target recognition, etc. And image understanding relies on the quality of image segmentation. Image segmentation is the basic premise of pattern recognition and visual analysis, and segmentation accuracy directly affect the quality and efficiency of subsequent image anal...?更多还原
【关键词】 数字图像分割; 多阈值Otsu方法; 多维Otsu方法; 【Key words】 digital image segmentation; multi-threshold Otsu method; multi-dimensional Otsu method;
摘要 6-7
ABSTRACT 7
第一章 绪论 9-13
1.1 数字图像分割的研究目的和意义 9-10
1.2 数字图像分割的研究现状与展望 10-12
1.2.1 数字图像分割的研究现状 10-11
1.2.2 数字图像分割的展望 11-12
1.3 本论文研究的主要工作和内容安排 12-13
第二章 数字图像分割的基本理论 13-24
2.1 数字图像分割的定义 13
2.2 数字图像分割的分类 13-14
2.3 图像分割方法 14-23
2.3.1 主要的图像分割方法 14-20
2.3.1.1 基于阈值的分割方法 14-17
2.3.1.2 基于边缘的分割方法 17-18
2.3.1.3 基于区域的分割方法 18-20
2.3.2 图像分割的新方法 20-23
2.3.2.1 基于小波变换的分割方法 20-21
2.3.2.2 基于分形的分割方法 21
2.3.2.3 基于数学形态学的分割方法 21-22
2.3.2.4 基于遗传算法的分割方法 22
2.3.2.5 基于神经网络分割方法 22-23
2.4 本章小结 23-24
第三章 一维Otsu 方法的研究改进和推广 24-35
3.1 一维Otsu 方法 24-26
3.1.1 一维Otsu 方法的简介和研究现状 24-25
3.1.2 一维 Otsu 方法的理论内容 25-26
文档评论(0)