基于邊緣提取的圖像分割開(kāi)題報(bào)告-預(yù)覽頁(yè)
【正文】 師指導(dǎo)下，由學(xué)生在畢業(yè)設(shè)計(jì)（論文）工作前期內(nèi)完成，經(jīng)指導(dǎo)教師簽署意見(jiàn)及所在專業(yè)審查后生效。 畢 業(yè) 設(shè) 計(jì)（論 文）開(kāi) 題 報(bào) 告 1． 文獻(xiàn)綜述： 結(jié)合畢業(yè)設(shè)計(jì)（論文）課題情況，根據(jù)所查閱的文獻(xiàn)資料，每人撰寫(xiě) 2500 字 以上 的文獻(xiàn)綜述 ，文后應(yīng)列出 所查閱的文獻(xiàn)資料 。邊緣總是以強(qiáng)度突變的形式出現(xiàn)，主要表現(xiàn)為圖像局部特性 的 不連續(xù)性如 灰度的突變、紋理結(jié)構(gòu)的突變、顏色的突變等。階躍型邊緣常常對(duì)應(yīng)目標(biāo)的深度或反射邊界；而后兩種反映表 面 法線方向的不連續(xù)。該工具包與其它一樣，使用者可以根據(jù)需要自行編寫(xiě)函數(shù) 。另外還有一類基于曲面擬合 的邊緣檢測(cè)算法，它 們的基本思想是用一個(gè)平滑的曲面與待測(cè)點(diǎn)周圍某鄰域內(nèi)像素的灰度值進(jìn)行擬合，然 后計(jì)算此曲面的一階或二階導(dǎo)數(shù)，來(lái)實(shí)現(xiàn)邊緣的提取。 數(shù)學(xué)形態(tài)學(xué)在邊緣檢測(cè)中的應(yīng)用 數(shù)學(xué)形態(tài)學(xué)是研究圖形圖像的形態(tài)特征，構(gòu)成元素及其相互關(guān)系的數(shù)學(xué)分支，是 一種非線性圖像處理方法 模糊數(shù)學(xué)在邊緣檢測(cè)中的應(yīng)用 為了解決用不確定和不精確的知識(shí)來(lái)描述事件，人們提出了模糊集的概念 1 圳。使用神經(jīng)網(wǎng)絡(luò)方法 得到的邊緣圖像邊界連續(xù)性和封閉性好，但是也存在一些不足：收斂速度慢，容易陷 于局部極小值，數(shù)值穩(wěn)定性差，參數(shù)不好調(diào)整。該算子對(duì)具有陡 峭的低噪聲的圖像效果較好 。 Sobel 在 Prewitt 算子的基礎(chǔ)上，采用帶權(quán)的方 法計(jì)算差分，對(duì)應(yīng)的模板如圖 b 所示。 (4)Canny 算子 Canny 算 子 檢測(cè)邊緣的方法是尋找圖像梯度的局部極大值，梯度是用高斯濾波器 的導(dǎo)數(shù)計(jì)算的。因此， canny 算子在圖像處理中應(yīng)用越來(lái)越廣泛。、 135。 Matlab 圖像邊緣提取函數(shù) Matlab 中 edge 函數(shù)用于灰度圖像邊緣的提取，其語(yǔ)法結(jié)構(gòu) 如 下： (1)BW=edge(I， ‘method’， thresh， direction)。 2)thresh 表示該圖像邊緣提取方法所采用的閾值，所有小于閾值的圖像邊緣都 被忽略，缺省時(shí)自動(dòng)選取閾值； 3)direction 表示所采用方法指定方向，具有方向時(shí)才使用。圖像分割在很多領(lǐng)域 (包括工業(yè)，精密儀器，農(nóng)業(yè)，醫(yī)學(xué)醫(yī)療 )都有著非常廣泛的應(yīng)用，并涉及各種不同類型的圖像。在這些應(yīng)用中，圖像分割通常是為了進(jìn)一步對(duì)圖像進(jìn)行分析、識(shí)別處理而必不可少的前期工作，分割的準(zhǔn)確性直接影響后續(xù)任務(wù)的有效性和正確性，因此具有十分重要的意義。圖像工程內(nèi)容豐富，人們根據(jù)抽象成度和研究方法把它分為三個(gè)層次：圖像處理、圖像分析、圖像理解。因 此它是圖像分割所依賴的重要特征。該方法從理論上建立了最 優(yōu)邊緣檢測(cè)的理 論基礎(chǔ)，并首次將邊緣檢測(cè)優(yōu)劣評(píng)價(jià)的三個(gè)準(zhǔn)則即信噪比準(zhǔn)則、定位精度準(zhǔn)則、單邊 緣響應(yīng)準(zhǔn)則用數(shù)學(xué)的形式表達(dá)出來(lái)，然后采用最優(yōu)化數(shù)值方法，得到最佳邊緣提取模 板，是目前理論上相對(duì)最完善的一種邊緣檢測(cè)方法。21(6):22— 24. [8] 周德龍 ,潘泉 .圖像模糊邊緣檢測(cè)的改進(jìn)算法 .中國(guó)圖像圖形學(xué)報(bào) .2020: 6(4). [9] Networks: Comprehensive :China MachinePress,2020. [10] 郝文化 .Matlab 圖像圖形處理應(yīng)用教程 ,2020. [11] 許志影 .李晉平 .Matlab 及其在圖像處理中的應(yīng)用 ,2020(4). [12] 馮俊萍 ,趙轉(zhuǎn)萍 ,徐濤 .基于數(shù)學(xué)形態(tài)學(xué)的圖像邊緣檢測(cè)技術(shù) .航空計(jì)算術(shù) , 2020。24(2):2933. [18] 姚峰林 ,詹海英 ,李元宗 .機(jī)器視覺(jué)中的邊緣檢測(cè)技術(shù)研究 .機(jī)械工程與自動(dòng)化 , 2020。所謂圖像測(cè)量就是測(cè)量被測(cè)對(duì)象時(shí)，把圖像當(dāng)作檢測(cè)和傳遞信息的手段或載體 加以利用的測(cè)量方法，獲取有用的圖像特征信息。 因此圖像處理技術(shù)是圖像測(cè)量系統(tǒng)的基礎(chǔ)和關(guān)鍵。在圖像測(cè)量過(guò)程中，邊緣檢測(cè) 的精度、準(zhǔn)確度和速度是圖像測(cè)量的關(guān)鍵指標(biāo)。究其原因，一方面是由于課題本身的重要性，另一方面也反映了這個(gè)課 題的深度和難度。 邊緣檢測(cè)是是計(jì)算機(jī)視覺(jué)中的中高層任務(wù)實(shí)行的基礎(chǔ)，是圖像處理問(wèn)題中經(jīng)典技術(shù) 難題之一，它的解決對(duì)于我們進(jìn)行高層次的特征描述、識(shí)別和理解等有著重大的影響。 (3)對(duì)特殊圖像邊緣檢測(cè)的研究越來(lái)越得到重視。如車牌識(shí)別、虹膜識(shí)別、人臉檢測(cè)、醫(yī)學(xué)或商標(biāo)圖 像檢索等
醫(yī)療健康相關(guān)推薦
鄂ICP備17016276號(hào)-1