图像分割技术PPT_第1页
图像分割技术PPT_第2页
图像分割技术PPT_第3页
图像分割技术PPT_第4页
图像分割技术PPT_第5页
已阅读5页，还剩7页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

1、 遗传算法在图像分割中的应用 遗传算法是基于进化论自然选择机制的、并行 的、统计的、随机化搜索的方法。因此可将它们运 用于各种类型的优化问题，在分割复杂的图像时， 人们往往采用多参量进行信息融合，在多参量参与 的最优值的求取过程中，优化计算是最重要的，把 自然进化的特征应用到计算机算法中，将能解决很 多困难。 v 遗传算法的出现为解决这类问题提供了有效的 方法，它不仅可以得到全局最优解，而且大大缩短 了计算时间。 v 基于图论的图像分割技术 基于图论的图像分割技术是近年来国际上图像 分割领域的一个新的研究热点。 v 该方法将图像映射为带权无向图，把像素视作 节点。利用最小剪切准则得到图像的最佳

2、分割，本 质上将图像分割问题转化为最优化问题。是一种点 对聚类方法。对数据聚类也具有很好的应用前景。 v 由于其涉及的理论知识较多，应用也还处在初 级阶段。因此国内这方面的研究报道并不多见。 v 图像分割技术的发展趋势 v v v 多种特征的融合。利用图像的原始灰度特征，图像的梯度特征、几 何空间特征(形态、坐标、距离、方向、曲率等、变换特征(傅立叶谱、 小波特征、分形特征等及统计特征(纹理、不变矩、灰度均值等等对每 个待分割的像素，将所提取的特征值组成一个多维特征矢量，再进行多 维特征分析。通过多种特征的融合，图像像素能被全面描述，从而可获 得更好的分割结果。 多种分割方法的结合。由于目标的多样性以及目标成像的不确定性， 除需要利用多种特征的融合外，还需要将多种分割方法进行结合，使各 种方法充分发挥各自的优势，避免各自的缺点。 新理论与新方法。传统学习分类方法，像神经网络方法，由于网络 模型难以确定，容易出现过学习与欠学习以及局部最优等问题。而支持 向量机(SVM方法以统计学习理论为基础，基于结构风险最小化准则，具 有精度高

人人文库> 全部分类> 教育资料 > 辅导培训

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 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，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论