会员注册 | 登录 | 微信快捷登录 支付宝快捷登录 QQ登录 微博登录 | 帮助中心 人人文库renrendoc.com美如初恋!
站内搜索 百度文库

热门搜索: 直缝焊接机 矿井提升机 循环球式转向器图纸 机器人手爪发展史 管道机器人dwg 动平衡试验台设计

   首页 人人文库网 > 资源分类 > DOC文档下载

机械零件图像分割基于热平衡的中智学图像分割

  • 资源星级:
  • 资源大小:1.85MB   全文页数:35页
  • 资源格式: DOC        下载权限:注册会员/VIP会员
您还没有登陆,请先登录。登陆后即可下载此文档。
  合作网站登录: 微信快捷登录 支付宝快捷登录   QQ登录   微博登录
友情提示
2:本站资源不支持迅雷下载,请使用浏览器直接下载(不支持QQ浏览器)
3:本站资源下载后的文档和图纸-无水印,预览文档经过压缩,下载后原文更清晰   

机械零件图像分割基于热平衡的中智学图像分割

摘要为了更好的研究机械零件图像,本文通过对俩幅机械零件图像分别进行ave、sfpcnn、pcnn的图像融合,从而有效地提高了图像信息的利用率、系统对目标探测识别地可靠性及系统的自动化程度。再将融合后的图像进行分割。为降低噪声对图像分割结果的影响,提出一种基于热平衡理论的中智学图像分割方法。该方法将图像转化为中智学图像,考虑每一个像素的不确定性,通过热平衡运算及图像增强处理,使噪声点变得更平滑。实验结果表明,对于含不同程度噪声的图像,该方法的分割效果明显优于未经融合原始图像的分割效果。关键词图像融合图像分割热平衡中智学AbstractInordertostudythemechanicalpartsoftheimagebetter,basedonthetwopiecesofmechanicalpartsimagesareave,sfpcnn,PCNNimagefusion,thuseffectivelyimprovingtheuseofimageinformation,thedegreeofautomationofthesystemoftargetdetectionandrecognitionreliabilityandsystem.Thenthefusedimagesegmentation.Inordertoreducetheinfluenceofnoiseontheimagesegmentationresult,putforwardakindofwisdomofheatbalancetheorybasedonimagesegmentationmethod.Theimageisconvertedtoneutrosophicimage,considereverypixeluncertainty,byheatbalancecalculationandimageenhancementprocessing,thenoisebecomesmoresmooth.Theexperimentalresultsshowthat,forimageswithdifferentnoiselevels,thesegmentationmethodisobviouslybetterthanthatofwithoutfusionimagesegmentation.Keywordsimagefusion,intelligentsegmentationheatbalanceimagescience目录摘要............................................................................................................................................VABSTRACT..................................................................................................................................VI目录.........................................................................................................................................VII1绪论.............................................................................................................................................11.1数字图像处理技术..............................................................................................................11.2图像处理技术的概念..........................................................................................................11.3图像处理常用方法..............................................................................................................21.4图像处理技术的应用..........................................................................................................31.5本课题达到的要求..............................................................................................................42图像融合.....................................................................................................................................52.1图像融合定义......................................................................................................................52.2图像融合的优点..................................................................................................................52.3本文图像融合方法..............................................................................................................52.4图像融合的实现步骤如下..................................................................................................62.5图像融合流程图..................................................................................................................62.6图像融合主程序..................................................................................................................62.7实验与分析........................................................................................................................10.3图像分割..................................................................................................................................133.1图像分割原理....................................................................................................................133.2图像分割的方法................................................................................................................133.3图像分割评价....................................................................................................................133.4中智学简介........................................................................................................................143.5热平衡简介........................................................................................................................153.6图像分割的实现步骤如下................................................................................................163.7分割方法实现流程图.........................................................................................................163.8图像分割主程序................................................................................................................173.9实验与分析........................................................................................................................174总结和展望...............................................................................................................................264.1论文工作总结....................................................................................................................264.2不足之处及未来展望........................................................................................................26致谢...............................................................................................................................................27参考文献.......................................................................................................................................28附录...............................................................................................................................................291绪论1.1数字图像处理技术图像处理imageprocessing,用计算机对图像进行分析,以达到所需结果的技术。又称影像处理。数字图像处理最早出现于20世纪50年代,当时的电子计算机已经发展到一定水平,人们开始利用计算机来处理图形和图像信息。数字图像处理作为一门学科大约形成于20世纪60年代初期。自20世纪70年代起,图像处理技术尤其是图像分割的研究一直受到人们的高度重视.。早期的图像处理的目的是改善图像的质量,它以人为对象,以改善人的视觉效果为目的。图像处理中,输入的是质量低的图像,输出的是改善质量后的图像,常用的图像处理方法有图像增强、复原、编码、压缩等。首次获得实际成功应用的是美国喷气推进实验室(JPL)。他们对航天探测器徘徊者7号在1964年发回的几千张月球照片使用了图像处理技术,如几何校正、灰度变换、去除噪声等方法进行处理,并考虑了太阳位置和月球环境的影响,由计算机成功地绘制出月球表面地图,获得了巨大的成功。随后又对探测飞船发回的近十万张照片进行更为复杂的图像处理,以致获得了月球的地形图、彩色图及全景镶嵌图,获得了非凡的成果,为人类登月创举奠定了坚实的基础,也推动了数字图像处理这门学科的诞生。在以后的数字图像处理技术宇航空间技术,如对火星、土星等星球的探测研究中,数字图像处理技术都发挥了巨大的作用。数字图像处理取得的另一个巨大成就是在机械上获得的成果。1.2图像处理技术的概念20世纪20年代,当时通过海底电缆从英国伦敦到美国纽约传输了一幅照片,采用了数字压缩技术。图像是人类观察世界、认识世界的重要媒介之一.我们生活在一个信息化时代,据科学研究和统计表明,人类接收的信息中约有75来自视觉系统或者说图像信息,也就是从图像中获得的.这既说明视觉信息量巨大,也表明人类对视觉信息有较高的利用率.图像包含了它所表达的物体的描述信息.这里指的图像包括图片、绘图、动画、视像,甚至文档等.数字图像是指用数字摄像机、扫描仪等设备经过采样和数字化得到的一个大的二维数组,该数组的元素称为像素,其值为一整数,称为灰度值1。图像处理技术的主要内容包括图像压缩,增强和复原,匹配、描述和识别3个部分。常见的处理有图像数字化、图像编码、图像增强、图像复原、图像融合、图像分割和图像分析等2。本文主要研究图像处理中的图像融合和图像分割。.图像技术在广义上是各种与图像有关的技术的总称,在改变人们的生活方式以及推动社会发展等方面都起到了重要的作用.图像技术包括利用计算机和其他电子设备共同完成的工作,例如图像的采集、量化、编码、存储和传输,图像的显示和输出,图像的变换、增强、恢复和重建,图像的分割,目标的检测、表达和描述,目标检测的提取和测量,图像的分类、表示和识别等等。3计算机科学与其它学科相统一,不断提出新思路、新方法来,不仅改进了计算机处理方法促进了计算机科学与技术学科的发展,而且还有利于其它学科的发展.自动机理论、可计算理论、逻辑学、程序设计理论等理论与计算机紧密联系.这些理论互相关联,共同组成了计算机基础.而它们都是属于数学学科的,因此数学学科的发展对计算机科学与技术的发展有着重要的影响.最初计算机只是数学的一个分支,通过不断发展计算机已经设计很多领域,也拥有了很多的研究人员,这使得计算机科学的发展在某种程度上也反作用于数学学科的发展.计算机科学与技术与其它学科相结合已经成为了一种发展趋势.也只有这样计算机技术才能保持当今的速度继续飞速发展.如今,某些以前不太受到重视的数学分支在计算机科学出现以后也变得重要起来.4例如1逻辑学、集合学逻辑学和集合论是计算机科学最重要的数学问题描述方式2抽象代数抽象就是提取研究对象的本质并加以高度概括。3图论图论的应用领域已经非常广泛.例如计算机网络中拓扑图的设计与结构描述.大量的算法是建立在图论的基础上。4组合学组合学有两个独立领域组合数学与组合算法。除了数学理论,物理理论和哲学理论等也越来越多得在计算机应用中出现.它们的出现,为计算机技术的研究注入了新的思路,使得计算机算法有了创新和突破,同时使得计算机技术进入了一个全新的高度.学科间的相互渗透对科技的发展具有强大的推动作用,从而使得人们的生活更快捷、更人性化。1.3图像处理常用方法1)图像变换由于图像阵列很大,直接在空间域中进行处理,涉及计算量很大。因此,往往采用各种图像变换的方法,如傅立叶变换、沃尔什变换、离散余弦变换等间接处理技术,将空间域的处理转换为变换域处理,不仅可减少计算量,而且可获得更有效的处理(如傅立叶变换可在频域中进行数字滤波处理)。目前新兴研究的小波变换在时域和频域中都具有良好的局部化特性,它在图像处理中也有着广泛而有效的应用。2)图像编码压缩图像编码压缩技术可减少描述图像的数据量(即比特数),以便节省图像传输、处理时间和减少所占用的存储器容量。压缩可以在不失真的前提下获得,也可以在允许的失真条件下进行。编码是压缩技术中最重要的方法,它在图像处理技术中是发展最早且比较成熟的技术。3)图像增强和复原图像增强和复原的目的是为了提高图像的质量,如去除噪声,提高图像的清晰度等。图像增强不考虑图像降质的原因,突出图像中所感兴趣的部分。如强化图像高频分量,可使图像中物体轮廓清晰,细节明显如强化低频分量可减少图像中噪声影响。图像复原要求对图像降质的原因有一定的了解,一般讲应根据降质过程建立降质模型,再采用某种滤波方法,恢复或重建原来的图像。4)图像分割图像分割是数字图像处理中的关键技术之一。图像分割是将图像中有意义的特征部分提取出来,其有意义的特征有图像中的边缘、区域等,这是进一步进行图像识别、分析和理解的基础。虽然目前已研究出不少边缘提取、区域分割的方法,但还没有一种普遍适用于各种图像的有效方法。因此,对图像分割的研究还在不断深入之中,是目前图像处理中研究的热点之一。5)图像描述图像描述是图像识别和理解的必要前提。作为最简单的二值图像可采用其几何特性描述物体的特性,一般图像的描述方法采用二维形状描述,它有边界描述和区域描述两类方法。对于特殊的纹理图像可采用二维纹理特征描述。随着图像处理研究的深入发展,已经开始进行三维物体描述的研究,提出了体积描述、表面描述、广义圆柱体描述等方法。6)图像分类(识别)图像分类(识别)属于模式识别的范畴,其主要内容是图像经过某些预处理(增强、复原、压缩)后,进行图像分割和特征提取,从而进行判决分类。图像分类常采用经典的模式识别方法,有统计模式分类和句法(结构)模式分类,近年来新发展起来的模糊模式识别和人工神经网络模式分类在图像识别中也越来越受到重视5。1.4图像处理技术的应用图像是人类获取和交换信息的主要来源,因此,图像处理的应用领域必然涉及到人类生活和工作的方方面面。随着人类活动范围的不断扩大,图像处理的应用领域也将随之不断扩大。1)航天和航空方面航天和航空技术方面的应用数字图像处理技术在航天和航空技术方面的应用,除了JPL对月球、火星照片的处理之外,另一方面的应用是在飞机遥感和卫星遥感技术中。许多国家每天派出很多侦察飞机对地球上有兴趣的地区进行大量的空中摄影。对由此得来的照片进行处理分析,以前需要雇用几千人,而现在改用配备有高级计算机的图像处理系统来判读分析,既节省人力,又加快了速度,还可以从照片中提取人工所不能发现的大量有用情报。从60年代末以来,美国及一些国际组织发射了资源遥感卫星(如LANDSAT系列)和天空实验室(如SKYLAB),由于成像条件受飞行器位置、姿态、环境条件等影响,图像质量总不是很高。因此,以如此昂贵的代价进行简单直观的判读来获取图像是不合算的,而必须采用数字图像处理技术。如LANDSAT系列陆地卫星,采用多波段扫描器(MSS),在900km高空对地球每一个地区以18天为一周期进行扫描成像,其图像分辨率大致相当于地面上十几米或100米左右(如1983年发射的LANDSAT4,分辨率为30m)。这些图像在空中先处理(数字化,编码)成数字信号存入磁带中,在卫星经过地面站上空时,再高速传送下来,然后由处理中心分析判读。这些图像无论是在成像、存储、传输过程中,还是在判读分析中,都必须采用很多数字图像处理方法。现在世界各国都在利用陆地卫星所获取的图像进行资源调查(如森林调查、海洋泥沙和渔业调查、水资源调查等),灾害检测(如病虫害检测、水火检测、环境污染检测等),资源勘察(如石油勘查、矿产量探测、大型工程地理位置勘探分析等),农业规划(如土壤营养、水份和农作物生长、产量的估算等),城市规划(如地质结构、水源及环境分析等)。中国也陆续开展了以上诸方面的一些实际应用,并获得了良好的效果。在气象预报和对太空其它星球研究方面,数字图像处理技术也发挥了相当大的作用。生物医学工程方面数字图像处理在生物医学工程方面的应用十分广泛,而且很有成效。除了上面介绍的CT技术之外,还有一类是对医用显微图像的处理分析,如红细胞、白细胞分类,染色体分析,癌细胞识别等。此外,在X光肺部图像增晰、超声波图像处理、心电图分析、立体定向放射治疗等医学诊断方面都广泛地应用图像处理技术。通信工程方面当前通信的主要发展方向是声音、文字、图像和数据结合的多媒体通信。具体地讲是将电话、电视和计算机以三网合一的方式在数字通信网上传输。其中以图像通信最为复杂和困难,因图像的数据量十分巨大,如传送彩色电视信号的速率达100Mbit/s以上。要将这样高速率的数据实时传送出去,必须采用编码技术来压缩信息的比特量。在一定意义上讲,编码压缩是这些技术成败的关键。除了已应用较广泛的熵编码、DPCM编码、变换编码外,目前国内外正在大力开发研究新的编码方法,如分行编码、自适应网络编码、小波变换图像压缩编码等。工业和工程方面在工业和工程领域中图像处理技术有着广泛的应用,如自动装配线中检测零件的质量、并对零件进行分类,印刷电路板疵病检查,弹性力学照片的应力分析,流体力学图片的阻力和升力分析,邮政信件的自动分拣,在一些有毒、放射性环境内识别工件及物体的形状和排列状态,先进的设计和制造技术中采用工业视觉等等。其中值得一提的是研制具备视觉、听觉和触觉功能的智能机器人,将会给工农业生产带来新的激励,目前已在工业生产中的喷漆、焊接、装配中得到有效的利用。军事方面在军事方面图像处理和识别主要用于导弹的精确末制导,各种侦察照片的判读,具有图像传输、存储和显示的军事自动化指挥系统,飞机、坦克和军舰模拟训练系统等公安业务图片的判读分析,指纹识别,人脸鉴别,不完整图片的复原,以及交通监控、事故分析等。目前已投入运行的高速公路不停车自动收费系统中的车辆和车牌的自动识别都是图像处理技术成功应用的例子6。1.5本课题达到的要求本章将介绍中智学、热平衡等数学、物理理论,并在后面章节中尝试将这些理论与图像分割相结合进行相关应用研究。2图像融合2.1图像融合定义图像融合(ImageFusion)是指将多源信道所采集到的关于同一目标的图像数据经过图像处理和计算机技术等,最大限度的提取各自信道中的有利信息,最后综合成高质量的图像,以提高图像信息的利用率、改善计算机解译精度和可靠性、提升原始图像的和光谱分辨率,利于监测。待融合图像已配准好且像素位宽一致,综合和提取两个或多个多源图像信息。两幅(多福)已配准好且像素位宽一致的待融合源图像,如果配准不好且像素位宽不一致,其融合效果不好。2.2图像融合的优点高效的图像融合方法可以根据需要综合处理多源通道的信息,从而有效地提高了图像信息的利用率、系统对目标探测识别地可靠性及系统的自动化程度。其目的是将单一传感器的多波段信息或不同类传感器所提供的信息加以综合,消除多传感器信息之间可能存在的冗余和矛盾,以增强影像中信息透明度,改善解译的精度、可靠性以及使用率,以形成对目标的清晰、完整、准确的信息描述。这诸多方面的优点使得图像融合在医学、遥感、计算机视觉、气象预报及军事目标识别等方面的应用潜力得到充分认识、尤其在计算机视觉方面,图像融合被认为是克服目前某些难点的技术方向在航天、航空多种运载平台上,各种遥感器所获得的大量光谱遥感图像(其中分辨率差别、灰度等级差别可能很大)的复合融合,为信息的高效提取提供了良好的处理手段,取得明显效益。2.3本文图像融合方法融合方法融合方法简介AVERAGEAVERAGE用atrous小波变换与EMD算法相结合的图像融合是一种新的变换分析方法,它继承和发展了短时傅立叶变换局部化的思想,同时又克服了窗口大小不随频率变化等缺点,能够提供一个随频率改变的时间一频率窗口,是进行信号时频分析和处理的理想工具。PCNNPCNN(PCNNPulseCoupledNeuralNetwork),也即脉冲耦合神经网络。与传统神经网络相比,有着根本的不同。PCNN有着广泛的应用,可应用于图像分割,边缘检测、细化、识别等方面。PCNN是Eckhorn于20世纪90年代开始提出的一种基于猫的视觉原理构建的简化神经网络模型,与BP神经网络和Kohonen神经网络相比,PCNN不需要学习或者训练,能从复杂背景下提取有效信息,具有同步脉冲发放和全局耦合等特性,其信号形式和处理机制更符合人类视觉神经系统的生理学基础。SFPCNNSFPCNN是非降采样Contourlet域内空间频率激励的PCNN图像融合算法。2.4图像融合的实现步骤如下输入输入图像处理1将原始的彩色图像转化为大小像素位宽的灰色图像处理2利用上述三种融合方法进行图像融合输出输出图像图像,与原始图像进行比2.5图像融合流程图2.6图像融合主程序Ifyouusethecode,pleasecitethepaperasfollowsReferences1QuXiaoBo,YANJingWen,XIAOHongZhi,ZHUZiQian.ImageFusionAlgorithmBasedonSpatialFrequencyMotivatedPulseCoupledNeuralNetworksinNonsubsampledContourletTransformDomain.ActaAutomaticaSinica,Vol.34,No.12,pp15081514.Dec.2008.clccloseallclearallpathpath,PCNN_toolbox/pathpath,nsct_toolbox输入图像转化图像融合图像输出图像pathpath,FusionEvaluation/Low_Coeffs_RuleSFPCNNave,PCNN,SFPCNNHigh_Coeffs_RuleSFPCNNmax,PCNN,SFPCNNori_AimreadclockA.tifori_BimreadclockB.tifori_Aimread1.jpgori_Bimread2.jpgori_Aim2doubleori_Aori_Bim2doubleori_BA_tempimresizeori_A,512,512B_tempimresizeori_B,512,512ori_AA_tempori_BB_tempAdoubleori_A/255Bdoubleori_B/255ParametersforNSCTpfilt97dfiltpkvanlevs0,1,3,4,4defaultParametersforPCNNPara.iterTimes200Para.link_arrange3Para.alpha_L10.06931Or1Para.alpha_Theta0.2Para.beta30.2or3Para.vL1.0Para.vTheta20dispDecomposetheimageviansct...yAnsctdecA,nlevs,dfilt,pfiltyBnsctdecB,nlevs,dfilt,pfiltsavetheNSCTcoefficientssaveyAyAsaveyByBloadtheNSCTcoefficientsloadyAloadyBnlengthyAInitializedthecoefficientsoffusedimageFusedyALowpasssubbanddispProcessinLowpasssubband...ALow1yA{1}BLow1yB{1}ALow2yA{2}BLow2yB{2}switchLow_Coeffs_RulecaseaverageFused{1}ALow1BLow1/2Fused{2}ALow2BLow2/2casePCNNFused{1}fusion_NSCT_PCNNALow1,BLow1,ParaFused{2}fusion_NSCT_PCNNALow2,BLow2,ParacaseSFPCNNFused{1}fusion_NSCT_SF_PCNNALow1,BLow1,ParaFused{2}fusion_NSCT_SF_PCNNALow2,BLow2,ParaendBandpasssubbandsdispProcessinBandpasssubbands...forl3nford1lengthyA{l}AhighyA{l}{d}BhighyB{l}{d}switchHigh_Coeffs_Rulecasemaxdecision_mapabsAhighabsBhighFused{l}{d}decision_map.Ahighdecision_map.BhighcasePCNNFused{l}{d}fusion_NSCT_PCNNAhigh,Bhigh,ParacaseSFPCNNFused{l}{d}fusion_NSCT_SF_PCNNAhigh,Bhigh,ParaendendenddispHighfrequecyfieldprocessisendedsavetheNSCTcoefficientssaveyAyAsaveyByBloadtheNSCTcoefficientsloadyAloadyBLow_Coeffs_RuleSFPCNNave,PCNN,SFPCNNHigh_Coeffs_RuleSFPCNNmax,PCNN,SFPCNNori_AimreadclockA.tifori_BimreadclockB.tifnlengthyAInitializedthecoefficientsoffusedimagedispReconstructtheimageviansct...FnsctrecFused,dfilt,pfiltdispReconstructisended...FF255FF255FF255255FroundFEvalEvaluationdoubleori_A,doubleori_B,F,256figure,imshowori_A,figure,imshowori_B,figure,imshowF,figure,imshowFdoubleori_A,figure,imshowFdoubleori_B,2.7实验与分析图2.1图2.2图2.3图2.4图2.5图片2.1和图片2.2都是机械零件图片。俩张图片是同一个机械零件,图片的俩处焊缝处都有些模糊。图片2.3是通过小波分割,从图片可以看出融合之后图片比之前图片较小,融合之后俩处焊缝比之前图片清晰。图片2.4通过PCNN融合方法得出图片,从图片中我们可以发现俩处焊缝比融合之前的图片清晰。图片2.5通过SFPCNN融合方法得出的图片,从图片中我们可以发现俩处焊缝比融合之前的图片清晰。对比上述图片1融合之后图片比之前图片清晰2整体上通过SFPCNN融合方法得到的图片比其他通过AVE融合方法和通过PCNN融合方法清晰,局部上(特别是焊缝结合处)后俩种方法也是有可取之处。总结通过图像融合处理后图片比处理前的图片更清晰、完整、准确能更好的表达图片的信息,为之后的图像分割做好铺垫。3图像分割3.1图像分割原理图像分割是指把图像分成各具特点的区域并提取出感兴趣目标的技术和过程。图像分割的涉及的图像特点一般是灰度、纹理、颜色等,目标可以是一个区域也可以是多个区域。对于灰度图像的分割,一般是基于像素灰度值的相似性和不连续性。相似性是指在某个区域内的像素具有相同或者相似的特征,例如纹理相似、灰度值相同等.而不连续性是指在不同区域之间灰度具有不连续性.所以分割算法可以据此分为利用区域内相似性的基于域内的算法和利用区域间不连续性的基于域间的算法7。3.2图像分割的方法根据图像分割的原理和方法,图像分割方法主要有基于边缘检测的分割和基于区域的分割.基于边缘检测的分割以边缘检测为第一步,而基于区域的分割包含阈值法、区域生长法和空间聚类法等。1基于边缘检测的分割基本思想是先利用图像中相邻像素在像素值和纹理上的聚类变化检测出图像的边缘点,然后按照某种策略连接形成轮廓,从而构成区域.图像的边缘包围着某个区域,意味这个一个区域的结束和另一个区域的开始。2基于区域的分割基本思想是根据图像数据的特征将图像分割成几个区域.常见的方法有阈值法、区域生长法、聚类法等.阈值法是最常见、并行的检测区域的分割方法,其难点和重点是阈值的设定.单阈值法是最简单的一种,利用单阈值分割灰度图像的步骤如下.首先确定一个灰度阈值T,然后将图像的每个像素的灰度值与T比较,并将灰度值分为两类,灰度值大于T一类,灰度值小于T为另一类.这两类像素对应图像中的两个区域.单阈值分割的效果有时候并不理想,因此研究人员对传统阈值法进行改进,提出来许多新的方法,包括局部阈值、模糊阈值、随机阈值等方法9。区域生长法的基本思想是将具有相似性质的像素结合起来构成区域。区域生长法从种子点出发按照一定的生长准则对邻域像素点进行判定并连接,直到完成所有像素点的连接.在应用区域生长法中需要解决3个问题确定一组能代表所需区域的种子像素确定将邻域内像素包含进来的判别准则制定生长过程停止的条件空间聚类法是通过将特征空间的点聚类成对应的类团,然后将它们划分开,再映射回原来的图像空间以得到分割结果.空间聚类法包括硬聚类、模糊聚类、概率聚类等.空间聚类比基于边缘检测的分割方法抗噪能力强.但是由于没有利用图像像素空间的分布信息,特征空间的聚类有时会产生图像空间不连通的分割区域,所以常常还需要后处理来完成分割。图像分割是计算机技术的一个重要研究方向.噪声在图像系统中十分常见,在图像的获得、传输等过程中都不可避免会产生噪声.因此在图像处理、模式识别和计算机视觉中噪声是主要的研究内容之一。现在研究人员已经提出了大量的去噪方法,但是去噪的效果都因图而异,取决于图像的原始信息和噪声类型11。3.3图像分割评价虽然尚未形成一个可以准确衡量图像分割好坏的标准,但是一个好的图像分割算法至

注意事项

本文(机械零件图像分割基于热平衡的中智学图像分割)为本站会员(QQ401339828)主动上传,人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对上载内容本身不做任何修改或编辑。 若此文所含内容侵犯了您的版权或隐私,请立即通知人人文库网([email protected]),我们立即给予删除!

温馨提示:如果因为网速或其他原因下载失败请重新下载,重复下载不扣分。

copyright@ 2015-2017 人人文库网网站版权所有
苏ICP备12009002号-5