一、Otsu法的多阈值推广及其快速实现(论文文献综述)
胡加鑫,贾鹤鸣,邢致恺,朱柏卓,张森,黄怡沁[1](2018)在《基于鲸鱼算法的森林火灾图像多阈值分割全文替换》文中研究表明为监测森林火灾的实时火情,本文研究图像分割算法应用于林火图像的识别。由于林火图像背景复杂、干扰目标多,采用单阈值Otsu方法对林火图像进行分割的精度较差,因此本文采用鲸鱼优化算法(Whale Optimization Algorithm,WOA)对多阈值图像分割的最佳阈值进行寻优。鲸鱼优化算法是在寻找最优解的过程中效率较高的算法,该算法具有收敛速度快、精度高的特点。针对森林火灾图像中的火焰区域准确分割问题,应用WOA对Otsu的适应度函数进行寻优,在红绿蓝模式的林火数字图像上进行仿真试验。试验结果表明:提出的算法在森林火灾图像多阈值分割中优于传统单阈值的Otsu算法,可以获得更为准确的分割阈值和更高的分割效率,具有较强的工程实用性。
曹爽[2](2018)在《基于OTSU算法的图像阈值分割技术》文中指出图像分割是图像分析过程中的一个重要步骤,其目标是将图像中感兴趣的区域划分出来。在众多的图像分割方法中,阈值分割技术是图像分割中使用较广的一类方法,其基本原理是基于图像灰度直方图计算分割阈值,然后按阈值对图像进行分割。OTSU法是阈值分割中的一种常用算法,通过实现类间方差最大化来进行阈值选取,该方法具有原理通俗易懂、分割效果可观、算法稳定等特征。但是,一维OTSU法不能处理更加复杂的图像,在分割背景与目标区域像素点的灰度差值过小的图像时,会出现误分割的情况。因此,大量学者引入了灰度邻域均值以及灰度邻域中值,将其推广到了二维和三维。这样可提高分割复杂图像的准确率。但阈值数量的增加使得算法循环迭代的次数增加,从而导致算法运算量庞大,运行效率显着下降的现象。本文从运算复杂度和分割精度两个方面着手,对二维、三维OTSU法进行分析研究,针对算法计算量大、实时性差等问题,提出了改进方法,克服了运算效率低、寻优速度慢的缺陷。并通过实验验证了改进的方法具有分割效果良好、计算效率显着升高的特点。具体工作包括:(1)改进狼群算法优化的二维OTSU法。原始二维OTSU算法阈值选取普遍依赖于穷尽搜索方式,计算量繁多冗余、实时性较差,影响图像分割效率。为了解决上述问题,将狼群算法引入二维OTSU算法中,提出了改进狼群算法优化的二维OTSU图像分割技术。另一方面,为了更好的让狼群之间进行互动,把粒子群算法应用到到狼群算法中,对原始游走和召唤行为引入粒子速度更新机制,实现互动召唤和互动游走策略,这样就保证了寻找阈值的全面性。为解决改进算法收敛速度慢的问题,将自适应计策引入围攻行为中。改进的算法可大幅度的提升分割准确率,并提高分割速率。(2)改进狼群算法优化的三维OTSU法。三维OTSU法除了像素点灰度值以外,引入灰度平均值以及灰度中值两个阈值。由于OTSU法采用穷尽搜索策略,因此三维OTSU法的计算需要三重循环,这导致算法计算量十分庞大。为此,将狼群算法引入其中,狼群通过游走、召唤、围攻这三种智能行为的不断迭代以及狼群间的信息交互来获取最佳阈值。这样可加快搜索速度且减少运算时间。为了避免改进的算法陷入局部最优,在狼群进行围攻行为后引入混沌优化法,对算法所得次优解进行混沌优化搜索。混沌优化法是把算法计算过程映射为混沌轨迹的搜索过程,具有避免算法陷入局部极值的优点。混沌优化技术与狼群算法的融合,使得计算到的阈值更具有全局性。
刘翔[3](2017)在《多阈值OTSU快速算法的研究》文中研究表明在图像处理领域中,图像分割是一项基础工作,但是图像分割却又是一项意义重大并且颇具挑战性的研究课题,在模式识别,Computer Vision(计算机视觉),ML(机器学习),医学图像处理等领域中都有着十分广泛的应用。图像分割作为图像处理中的一项基本工作,是图像理解以及图像识别的基础,图像分割的主要目的就是将图像中我们感兴趣的目标从复杂的背景中提取出来,以便为接下来的目标识别以及场景分析奠定基础。在图像分割技术中,阈值分割法与其他方法相比具有简单,高效以及便于理解的优势,因而是使用最为广泛的一类技术。其中,Otsu方法作为阈值法中颇具代表性的算法具有十分良好的分割性能以及精准度,Otsu方法的原理是以对两个重要函数,即最大类间方差和最小类内方差为基础进行评价分析从而得出最优分割阈值,稳定性十分优秀,成功率也符合大多数要求,还有一点就是Otsu方法在一定的条件之下对于图像的对比度以及亮度的变化是不受影响的,因此该方法可以应用在大多数的实时图像处理系统中。Otsu方法基于最小二乘法原理,基本思路是对于最佳阈值的选取应该使得分割结果类间分离度最大。为了使得Otsu方法可以适应更加复杂的图像,许多学者对其进行了多阈值的推广,但是随着阈值个数的增加,多阈值Otsu对于最优阈值的寻找是采用的传统的穷举法,并且对于类间方差计算过程中的各参数计算没有进行相应的公式推导优化,因此多阈值Otsu方法具有计算量大,算法时间复杂度过高,效率低下的缺点。针对上述问题,本文对于多阈值Otsu快速算法进行了研究,首先对多阈值Otsu所选取的最优阈值的数学性质进行了研究推导,从基础理论上对Otsu算法的效率进行优化提高,并且从理论上证明了使用多阈值Otsu方法得到的最优阈值T(T1 T2…T2和以此阈值分割得到的N类的类内均值μ0,μ1,…,μn-1之间的数学推导关系,该关系为T1 =1/2(μ2 +μ1),根据该最优阈值的性质以及经典的多阈值Otsu算法穷举搜索效率低的缺点,建立了一种新的搜索模型,该模型根据多阈值Otsu算法最优阈值的性质对搜索树进行了有效的剪枝,能够自动分析出搜索过程中所计算的阈值是否为Otsu最优阈值,可以自主的结束搜索过程,大大的减少了阈值搜索范围,将大部分的冗余阈值区间进行了剔除。从理论上对该快速算法的原理进行了分析阐述,由于本算法是在基础Otsu理论上进行推导的,因此是一种严格的多阈值Otsu快速算法,所得到的最优阈值是严格的符合Otsu准则的。虽然上述方法对多阈值Otsu的阈值搜索过程进行了一定程度的优化,但是本质上该算法并不是一种线性级别的算法,算法效率随着阈值个数的增多而下降,针对上述问题,本文提出了另一种新的快速算法,这种算法的时间复杂度完全是线性的,不会因为阈值个数的增加就呈指数增长,对于阈值的确定,该算法利用了分治的思想,将Otsu多阈值的搜索拆分为单阈值的搜索,避免了多阈值搜索中的穷举过程。对于阈值计算过程中的均值,方差,概率计算重复量大效率低的缺点,使用了动态规划的方法,建立了递推求解公式,大大的减少了类间方差的计算量,最后对于Otsu阈值的寻找,利用了改进的多种群萤火虫算法对于目标函数进行最优值寻找,减少了阈值搜索范围,该算法从理论上体现了对于时间复杂度优化,使得多阈值Otsu算法的时间复杂度完全降低到了 O(n)。
刘婧婷[4](2015)在《基于纹理基元的遥感影像分类方法研究》文中进行了进一步梳理遥感影像分类是实现三维场景建模的重要步骤,进而可为飞行器导航提供信息保障。然而,对于遥感影像分类,由于地物类型的不确定性、同类地物的形态多样性以及地物空间分布的复杂性等原因,致使准确实现自然场景遥感影像的地物分类仍然非常困难。本文将遥感影像分类方法分解为图像分割和纹理识别两个阶段,从纹理特征提取、纹理建模与表达的角度,开展遥感影像典型地物分类方法的研究。在图像分割阶段,针对SLIC超像素算法中单个像素的颜色特征对图像表达不充分的问题,本文使用像素的局部邻域信息并引入随机投影(RP)对其降维,进而提出了一种基于随机投影的超像素分割算法(RP-SLIC)。该方法既保留了SLIC超像素算法具有的结构紧凑、同质性强的优点,又能真实地反映出物体的边缘轮廓信息,有效提高了分割的准确率,为之后的图像片元识别提供了更精准的输入。在纹理识别阶段,考虑到光照等变化条件对场景成像的影响,本文提出了一种具有一定灰度变化适应性的邻域差分特征(ND),在此基础上发展了基于词袋的邻域差分纹理识别方法(ND-BoW)和基于马尔可夫随机场的邻域差分纹理识别方法(ND-MRF),并在CUReT数据集上验证了方法的准确性。最后,使用自然场景遥感影像对提出的典型地物分类方法进行性能评估对比实验,结果表明,本文提出的分类方法可有效提高分类的准确率。
张威,韩雷,李军辉[5](2014)在《凹槽涂胶的实时光学检测方法研究》文中研究指明为实现对凹槽涂胶的检测,提出了一种实时光学检测的方法,即使用环形光源照射胶液表面,并用摄像机记录光源在胶液表面产生的畸变的虚像,通过虚像的变化并结合图像处理技术间接检测胶液转移到凹槽后的铺展过程。设计了一个包含运动控制和图像采集的实验装置,研究了胶液铺展过程受涂胶速度和胶液粘度等因素的影响规律。
刘欣欣,李雪,王琼[6](2013)在《基于灰度直方图的多阈值分割法》文中研究指明为了提高和增强多目标图像的分割效果,在Otsu法进行阈值分割的基础上,结合直方图的一些特有的性质,提出一种新的多阈值分割的方法。该方法利用类间方差最大原则,以二分法为基础,并将直方图上的极小值点作为多阈值分割的参考点。通过比较不同算法的分割效果,在大量的图像上进行了实验。结果表明,该算法在多目标图像分割上适应性较好。
王丹[7](2013)在《基于数字图像处理的多晶硅衬底晶畴轮廓检测与优化》文中研究说明太阳能电池组件是光伏发电技术的核心器件,它的质量直接影响着整个光伏发电系统的质量和成本。由于多晶硅兼具单晶硅和非晶硅太阳能电池的优点,故多晶硅硅片在太阳能电池产业中被广泛作为衬底使用。多晶硅衬底的结晶度直接影响太阳能电池的光电转换效率,因此硅片的结晶度是衡量衬底质量的重要指标。传统的多晶硅衬底结晶度检测采用抽样进行人工目测的方法,该方法必然会因为工作者长期用眼疲劳、个人经验等人为因素的干扰而导致检测过程中出现错误,且抽检仅可以检测一部分产品,无法对所有衬底进行常规检测。为了避免人工抽检的不足,我们尝试一种基于图像识别的多晶硅结晶度机器自动检测技术。在本文中,我们通过多次实验,确定了采用图像分块、提取边缘、边缘拼接的技术路线,最终统计出硅片晶畴区域的数量和面积,结合相应的标准完成结晶度的检测。我们根据硅片晶畴区域的大小将原始图像分成大小相等的若干子块,有利于克服光照不均对后期图像处理的影响;在每一个子块内利用改进的双峰法结合最大类间方差法(Otsu法)进行图像分割,此方法可自动确定分割阈值的个数,并自动确定分割阈值的准确取值,是机器自动检测技术的基础;再利用Sobel算子对分割后的图像进行边缘提取并细化,通过尝试数学形态学方法和蚁群算法等边缘拼接方法后,采用改进的边缘拼接算法实现自适应地寻找端点和边缘点,将图像中边缘断开部分拼接起来,形成连续的闭合区域,为统计图像中的晶畴区域数量和面积提供保证。实验结果表明,本文设计的整体算法框架可以满足自适应检测的要求,方法的简洁性和自适应特性为整幅图像的在线自动处理奠定了基础,经过进一步优化,将可投入实际应用。
刘艳,赵英良[8](2011)在《Otsu多阈值快速求解算法》文中研究表明最大类间方差(Otsu)方法计算简单,分割效果良好,广泛应用于图像的单阈值分割。为了使Otsu方法能够适应于更加复杂的图像,很多学者对其进行了多阈值的推广,但存在计算量大、效率低的问题。针对此不足,对Otsu方法也进行了多阈值的推广,首先划分直方图区间,然后采用快速二分法求取区间中的阈值以实现Otsu方法的多阈值扩展,使其在保持良好分割效果的基础上大大节省了时间。实验说明了该算法的有效性。
金一初,马燕[9](2011)在《奶牛图像的分割算法研究》文中认为为解决在实际生产环境中使用计算机自动识别奶牛的问题,提出了针对奶牛图像的分割算法,以提高识别率。该算法首先将奶牛图像从RGB空间转化为Luv空间,然后将图像作4×4大小的子块划分,对各子块进行块内颜色聚类并提取颜色和纹理特征,通过颜色内聚将子块中的颜色范围缩小到24种,并将其中所占数量最多的两种颜色作为子块的颜色特征;纹理特征则是基于对子块分别横向和纵向扫描并统计出来的,反映子块的颜色在横向和纵向的分布特征。在此基础上按奶牛的颜色和纹理特征进行基于子块的区域生长,最终达到清晰分割的目的。在对50个实地采集样本中按本文所述的方法进行分割,分割准确率达到80%以上。实验证明,本文提出算法能有效地将奶牛从背景中分离出来。
龚树锋[10](2010)在《基于机器视觉的道路检测与车辆检测算法研究》文中进行了进一步梳理视觉辅助导航是移动机器人导航的热点之一,其中道路和道路中车辆的检测是视觉导航系统的重要组成部分。它融合了图像处理、模式识别、人工智能等相关领域的成果,在视频监控、机器人导航、智能汽车驾驶等许多领域有着广泛的应用,因此该课题具有重要的理论意义和广阔的实用价值。论文从介绍单目视觉系统结构设计和软件设计入手,介绍了各个模块的功能实现方式,提出了摄像机的标定技术,且详细论述了各个参数的标定方法。基于单目摄像头捕获的道路与车辆图像,为了提高系统检测识别的快速性和准确性,分别提出了一种非结构化道路边缘检算法和一种动态车辆的检测算法。对于非结构化道路的检测:首先对原始道路图像进行中值滤波,抑制随机噪声;然后选择基于双峰法的Otsu多阈值分割方法进行图像分割,使分割效果和分割时间得到优化;最后通过Canny算子对分割后的图像进行初次边缘检测,然后在此基础上采用数学形态学修正,最终得到完整、清晰的道路边缘图像。对于运动车辆的检测算法:首先,提取车道边缘,由车道边缘得到道路区域,根据经验知识在车道区域内确定感兴趣区域,减少车辆检测算法搜索范围;接着基于车辆的对称性特征,阴影和边缘特征对兴趣区域进行过滤,进一步缩小感兴趣区域;最后用离线训练好的Adaboost分类器对过滤后的图像进行分类识别,检测出动态的车辆。对单目摄像头采集的道路和车辆图像,基于OpenCV函数库,利用Visual C++进行算法实现。仿真结果表明上述算法使系统具有较好的实时性、准确性和鲁棒性。
二、Otsu法的多阈值推广及其快速实现(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、Otsu法的多阈值推广及其快速实现(论文提纲范文)
(1)基于鲸鱼算法的森林火灾图像多阈值分割全文替换(论文提纲范文)
0 引言 |
1 鲸鱼优化算法 |
2 多阈值Otsu图像分割 |
3 林火图像分割实验与分析 |
3.1 Otsu图像分割实验与分析 |
3.2 林火图像分割实验与分析 |
4 结束语 |
(2)基于OTSU算法的图像阈值分割技术(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 论文研究的背景及意义 |
1.2 国内外研究现状 |
1.3 论文研究的主要内容 |
1.4 论文的组织结构 |
第二章 基于狼群算法的二维OTSU法 |
2.1 引言 |
2.2 一维OTSU法 |
2.3 OTSU法的多阈值推广 |
2.3.1 OTSU法的多阈值原理 |
2.3.2 二维OTSU法 |
2.4 改进的狼群算法优化二维OTSU法 |
2.4.1 狼群算法概述 |
2.4.2 狼群算法的角色分配 |
2.4.3 狼群算法的主要原理 |
2.4.4 改进狼群算法的主要原理 |
2.4.5 改进狼群算法优化二维OTSU算法的步骤 |
2.5 实验仿真与分析 |
2.5.1 实验环境介绍 |
2.5.2 实验评价准则 |
2.5.3 对医学图像的分割 |
2.5.4 对人物图像的分割 |
2.5.5 对自然风景图像的分割 |
2.6 本章小结 |
第三章 改进狼群算法优化的三维OTSU法 |
3.1 引言 |
3.2 三维OTSU法 |
3.3 改进的三维OTSU图像分割法 |
3.3.1 改进三维OTSU算法主要原理 |
3.3.2 改进狼群算法优化三维OTSU算法的步骤 |
3.4 仿真实验及结果分析 |
3.4.1 实验环境介绍 |
3.4.2 对指纹图像的分割 |
3.4.3 对医学图像的分割 |
3.4.4 对人物图像的分割 |
3.5 本章小结 |
第四章 总结与展望 |
4.1 工作总结 |
4.2 工作展望 |
参考文献 |
致谢 |
作者简介及硕士期间发表的专业论文 |
(3)多阈值OTSU快速算法的研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 研究背景及意义 |
1.2 课题研究现状 |
1.3 本文的主要工作 |
1.4 本文的结构安排 |
第2章 算法相关理论基础 |
2.1 基于阈值的图像分割简介 |
2.1.1 全局阈值分割 |
2.1.2 局部阈值分割 |
2.2 OTSU算法介绍 |
2.3 萤火虫算法介绍 |
2.4 本章小结 |
第3章 基于多阈值OTSU准则的阈值分割快速算法 |
3.1 引言 |
3.2 多阈值OTSU最佳阈值性质分析 |
3.3 基于多阈值OTSU准则的快速计算 |
3.4 实验结果 |
3.5 本章小结 |
第4章 基于多种群萤火虫算法的递归多阈值OTSU算法 |
4.1 引言 |
4.2 制约多阈值OTSU算法复杂度因素分析 |
4.3 基于多种群萤火虫算法的递归多阈值OTSU算法 |
4.4 实验结果 |
4.5 本章小结 |
第5章 总结与展望 |
5.1 工作总结 |
5.2 研究展望 |
参考文献 |
作者简介及在学期间所取得的科研成果 |
致谢 |
(4)基于纹理基元的遥感影像分类方法研究(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 本课题研究目的和意义 |
1.2 国内外研究现状 |
1.3 本文的主要研究内容 |
2 纹理特征提取技术 |
2.1 纹理的定义 |
2.2 纹理特征提取 |
2.3 本章小结 |
3 基于随机投影的超像素分割 |
3.1 SLIC超像素分割 |
3.2 随机投影 |
3.3 分割方法描述 |
3.4 超像素分割性能分析 |
3.5 本章小结 |
4 基于邻域差分特征的纹理识别 |
4.1 邻域差分特征提取 |
4.2 词袋建模方法 |
4.3 马尔可夫随机场建模方法 |
4.4 识别性能实验 |
4.5 本章小结 |
5 基于邻域差分纹理基元的遥感影像分类 |
5.1 遥感影像典型地物分类方法 |
5.2 试验结果及性能分析 |
5.3 本章小结 |
6 总结与展望 |
6.1 论文的主要工作 |
6.2 需要进一步研究的内容 |
致谢 |
参考文献 |
附录1 攻读硕士学位期间论文发表情况 |
附录2 攻读硕士学位期间项目参与情况 |
(5)凹槽涂胶的实时光学检测方法研究(论文提纲范文)
0 引言 |
1 实验原理及设备 |
1.1 光学检测原理 |
1.2 实验设备设计 |
1.3 图像处理过程 |
2 实验分析 |
2.1 胶液铺展过程 |
2.2 检测方法的稳定性分析 |
2.3 涂胶速度对铺展过程的影响 |
2.4 胶液粘度对铺展过程的影响 |
3 结语 |
(7)基于数字图像处理的多晶硅衬底晶畴轮廓检测与优化(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 研究背景 |
1.2 研究现状 |
1.3 课题内容 |
1.4 论文安排 |
第二章 多晶硅图像的预处理 |
2.1 图像亮度归一化 |
2.2 二次选择性滤波处理 |
2.3 本章总结 |
第三章 基于改进双峰法与 Otsu 法的图像分割 |
3.1 Otsu 法图像分割方法 |
3.1.1 单阈值分割方法 |
3.1.2 多阈值分割方法 |
3.1.3 多阈值分割方法的推广 |
3.1.4 实验结果及分析 |
3.2 结合双峰法的 Otsu 法的阈值分割 |
3.2.1 双峰法 |
3.2.2 Otsu 法的改进 |
3.2.3 结合双峰法的 Otsu 法的自适应分割算法 |
3.3 本章总结 |
第四章 基于梯度的图像边缘拼接 |
4.1 基本算法简介 |
4.1.1 膨胀算法 |
4.1.2 蚁群算法 |
4.1.3 梯度算法 |
4.2 改进算法介绍 |
4.2.1 自适应形态学膨胀算法 |
4.2.2 改进蚁群算法 |
4.2.3 基于梯度的边缘拼接算法 |
4.2.4 实验结果及分析 |
4.3 本章总结 |
第五章 总结与展望 |
5.1 主要工作 |
5.2 进一步的工作展望 |
参考文献 |
致谢 |
攻读硕士学位期间论文发表情况 |
(9)奶牛图像的分割算法研究(论文提纲范文)
1 算法描述 |
1.1 色彩空间转换 |
1.2 子块内颜色聚类及特征提取 |
1.2.1 子块内颜色聚类 |
1.2.2 子块内颜色及纹理特征的提取 |
1.3 基于子块的区域生长 |
1.4 分离背景与目标 |
1.5 修补小洞和裂缝 |
2 分割效果 |
3 结论 |
(10)基于机器视觉的道路检测与车辆检测算法研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 课题背景和研究意义 |
1.2 视觉导航技术简介 |
1.3 国内外研究现状 |
1.3.1 道路检测技术研究现状 |
1.3.2 车辆检测技术研究现状 |
1.4 本课题的研究内容和组织架构 |
1.5 本章小结 |
第二章 单目视觉检测系统 |
2.1 引言 |
2.2 单目视觉检测系统的设计 |
2.2.1 单目视觉检测系统的构成 |
2.2.2 单目视觉系统的软件设计 |
2.3 摄像机定标 |
2.3.1 几种坐标系介绍 |
2.3.2 投影矩阵和摄像机参数的获取 |
2.3.3 基于OpenCV的摄像机标定 |
2.4 本章小结 |
第三章 道路检测算法研究 |
3.1 引言 |
3.2 道路图像中值滤波 |
3.2.1 中值滤波的原理 |
3.2.2 中值滤波的实现 |
3.3 图像分割 |
3.3.1 几种图像分割方法 |
3.3.2 一种改进的阈值图像分割方法 |
3.4 道路图像边缘提取 |
3.4.1 图像边缘检测算法对比 |
3.4.2 基于Canny算法和数学形态学修正的道路边界检测 |
3.5 本章小结 |
第四章 运动车辆检测算法研究 |
4.1 引言 |
4.2 基于视觉的目标检测技术综述 |
4.2.1 基于特征的方法 |
4.2.2 基于立体视觉的方法 |
4.2.3 基于运动的方法 |
4.3 改进的车辆检测算法 |
4.3.1 兴趣区域初次提取 |
4.3.2 基于车辆特征进行二次提取 |
4.3.3 基于Adaboost级联分类器的车辆识别 |
4.4 本章小结 |
第五章 仿真实验及实验结果分析 |
5.1 引言 |
5.2 非结构化道路检测实验仿真及结果分析 |
5.3 车辆检测实验仿真及结果分析 |
5.3.1 样本离线训练 |
5.3.2 目标在线检测 |
5.4 本章小结 |
结论与展望 |
参考文献 |
攻读硕士学位期间取得的研究成果 |
致谢 |
四、Otsu法的多阈值推广及其快速实现(论文参考文献)
- [1]基于鲸鱼算法的森林火灾图像多阈值分割全文替换[J]. 胡加鑫,贾鹤鸣,邢致恺,朱柏卓,张森,黄怡沁. 森林工程, 2018(04)
- [2]基于OTSU算法的图像阈值分割技术[D]. 曹爽. 太原理工大学, 2018(10)
- [3]多阈值OTSU快速算法的研究[D]. 刘翔. 吉林大学, 2017(10)
- [4]基于纹理基元的遥感影像分类方法研究[D]. 刘婧婷. 华中科技大学, 2015(05)
- [5]凹槽涂胶的实时光学检测方法研究[J]. 张威,韩雷,李军辉. 半导体光电, 2014(04)
- [6]基于灰度直方图的多阈值分割法[J]. 刘欣欣,李雪,王琼. 计算机应用与软件, 2013(12)
- [7]基于数字图像处理的多晶硅衬底晶畴轮廓检测与优化[D]. 王丹. 南京航空航天大学, 2013(06)
- [8]Otsu多阈值快速求解算法[J]. 刘艳,赵英良. 计算机应用, 2011(12)
- [9]奶牛图像的分割算法研究[J]. 金一初,马燕. 电子设计工程, 2011(02)
- [10]基于机器视觉的道路检测与车辆检测算法研究[D]. 龚树锋. 华南理工大学, 2010(03)