188宝金博页面版

  • 图案背景
  • 纯色背景
视图
标记
批注
批注本地保存成功,开通会员云端永久保存 去开通
aglzvg

上传于:2013-08-31

粉丝量:55

该文档贡献者很忙,什么也没留下。


  • 相关
  • 目录
  • 笔记
  • 书签

188宝金博页面版:更多相关文档

  • 基于两级阈值算法在图像分割中应用研究

    星级: 4 页

  • 基于两级阈值算法在图像分割中应用研究

    星级: 5 页

  • 基于两级阈值算法在图像分割中应用研究

    星级: 4 页

  • 《[论文]基于局部阈值的植物叶片图像分割算法研究_(全文)》

    星级: 3 页

  • 遗传算法在自动阈值图像分割中的应用研究

    星级: 2 页

  • 遗传算法在自动阈值图像分割中的应用研究

    星级: 2 页

  • 基于两级阈值的图像分割技术在文档图像中的应用

    星级: 4 页

  • 基于两级阈值的图像分割技术在文档图像中的应用

    星级: 5 页

  • 《[论文]基于模拟退火改进的多阈值遥感图像分割_(全文)》

    星级: 3 页

  • 双模狩猎的灰狼优化算法在多阈值图像分割中应用

    星级: 8 页

  • 遗传算法的全局阈值在图像分割中应用

    星级: 2 页

  • 基于阈值算法图像分割的研究

    星级: 42 页

  • 基于离散灰狼算法的多级阈值图像分割

    星级: 8 页

  • 基于遗传算法的图像分割阈值选取

    星级: 6 页

  • 基于阈值的图像分割算法的研究

    星级: 72 页

暂无目录

点击鼠标右键菜单,创建目录

暂无笔记

选择文本,点击鼠标右键菜单,添加笔记

暂无书签

在左侧文档中,点击鼠标右键,添加书签

188宝金博页面版: 基于两级阈值算法在图像分割中应用研究(定稿)

下载积分: 3200

内容提示: 第2 9 卷第2 期计算机仿真20 12年2月文章编号: 10 0 6—9 34 8 ( 20 12)0 2—0 253—0 4基于两级阈值算法在图像分割中应用研究斯庆巴拉1, 郎德琴2( 1. 北华航天工业学院, 河北廊坊0 650 0 0 ;2. 北京一轻高级技术学校, 河北廊坊0 6 50 0 0 )摘要: 在图像分割提高精度问题的研究中, 要从图像中提取感兴趣的区域。 由于图像:蛘咄苫枷癖尘靶畔⑷诤显谝黄, 导致难以区分, 传统的阈值图像分割算法容易造成分割效果不清晰。 为解决上述问题, 提出了一种新的快速有效的两级阈值结构图像分割算法, 采用用迭代算法对图像进行单一阈值分割, 在每次迭代过程中以图像均值为依据, 对图像进行均衡化处理; 在基于全局分割的基础...

文档格式:PDF | 页数:5 | 浏览次数:57 | 上传日期:2013-08-31 13:41:18 | 文档星级:
第2 9 卷第2 期计算机仿真20 12年2月文章编号: 10 0 6—9 34 8 ( 20 12)0 2—0 253—0 4基于两级阈值算法在图像分割中应用研究斯庆巴拉1, 郎德琴2( 1. 北华航天工业学院, 河北廊坊0 650 0 0 ;2. 北京一轻高级技术学校, 河北廊坊0 6 50 0 0 )摘要: 在图像分割提高精度问题的研究中, 要从图像中提取感兴趣的区域。 由于图像:蛘咄苫枷癖尘靶畔⑷诤显谝黄, 导致难以区分, 传统的阈值图像分割算法容易造成分割效果不清晰。 为解决上述问题, 提出了一种新的快速有效的两级阈值结构图像分割算法, 采用用迭代算法对图像进行单一阈值分割, 在每次迭代过程中以图像均值为依据, 对图像进行均衡化处理; 在基于全局分割的基础上, 在局部范围内根据噪声的统计特性对图像进行去噪处理。 仿真结果表明, 提出的两级阈值分割算法能快速有效地分割图像, 不仅可以得到了比较高的分割精度, 还大大减少了计算量, 一定程度上能够改善图片分割的效率和质量。关键词: 两级阈值; 二值化; 图像处理; 图像分割中图分类号: T P 39 1文献标识码: AA p p lic a tio no fIm a g e S e g m e n ta tio nB a se do nT w oL e v e ls T h r e sh o ldA lg o r ith mS IQ in g b a la l, L A N G D e —q in 2( 1. N o r thC h in aIn stitu te o fA e r o sp a c e E n g in e e r , L a n g f a n gH e b e i 0 6 50 0 0 , C h in a ;2. B erin gT h e F irst A d v a n c e dT e c h n iq u e S c h o o l, L a n g f a n gH e b e i0 650 0 0 , C h in a )A B S T R A C T : T h e b in a r y se g m e n ta tio n o f co lo r im a g e s im p r o v e sth ea c c u r a c yo f th ep r o b le m . D e g e n e r a te im a g em a k e s it d if f icu lt tod istin g u ish im a g ef r o m th eb a c k g r o u n d , a n dth e tra d itio n a lim a g eseg m entation a lg o r ith mf o r a n ti—n o isea b ility , ev en tu a llyle a d in gto th e d ef ect o f lo wseg m enta tio n a c c u r a c y . Af a st a n def f icien tim a g e se g m e n ta tio nw a sp r o p o seb a se d o ntw o —le v e l th r e sh o ldstr u ctu r e. F ir stly , a nitera tiv ea lg o r ith mw a su se dinsin g le im a g eseg m en—r a tio n , , b a se do n th e m e a no fim a g ein e a c hiter a tio n , th e e q u ilib r iu mp r o c e ssin gw a s ca r r ied o u t. B a se d o ng lo b a lse g m e n ta tio n , th e im a g e d e n o isin gw a sca r r ied o u t in th e lo ca l a r e aa c c o r d in gto th e n o isesta tistica l p r o p er ties. S im u —ta tio n resu lts sh o wth a t th ep r o p o se dtw o ——level th r e sh o ldse g m e n ta tio n a lg o r ith mis f a st a n d ef f ectiv e. It C a n n o to n lyg et h ig h e r a c c u r a c yo fseg m entation, buta lsog r ea tlyr e d u c e th ec o m p u ta tio n , a n d im p r o v eth eef f icien cy 。 a n d qu a lityo fim a g e seg m enta tio nto so m e e x te n t.K E Y W O R D S : L e v e lth r e sh o ld ; B in a r y ; Im a g e p r o cessin g ; Im a g e seg m entation1引言图像分割是指将图像中感兴趣的区域从其他区域中分离出来的技术。 该技术在机器视觉, 医疗图像处理领域占据着重要的位置并得到日益广泛的应用¨ 。 。 随着信息技术的迅速发展, 图像的自动化处理在办公自动化, 电子商务, 数字图书馆到目前为止, 虽然经典的基于全局范围的图像分割算法, 例如O T S U 能很好的应用在背景比较清晰的图像上, 但收稿日期: 20 11—0 4 —20 修回日期: 20 11—0 5—15是对于在光线不足条件下拍摄的图像, 或者蜕化严重的历史图像, 这类单一阈值算法都不能很好的得到分割效果H 一。 因此, 针对图像中可能出现的光照不足, 光照不均匀, 油渍污染或者纸张蜕化造成的二值化分割困难, 学者们Ho 提出了使用局部自适应阈值的算法。 这类方法通常将图像切分成若干小块, 针对每个小块统计图像的灰度分布特性, 例如每个小块中均值和方差, 然后以此为依据来确定每个小块中的阈值并做二值化分割H 1。 这些方法的主要缺陷是运算量增加, 并且每个小块之间的分割结果不能连续, 从而导致图像出现马赛克效应。 由于在空域中将图像切分成小块来进行自适应. . . ——253, . ———万方数据

188宝金博页面版:关注我们

  • 新浪微博

关注188宝金博页面版公众号

188宝金博页面版
阅读
APP
阅读
返回
顶部
188宝金博页面版官网登录在线平台入口(2026已更新)—江苏协昌电子科技股份有限公司