水下強噪音圖像目標分割方法研究文獻綜述(編輯修改稿)
2025-02-02 04:38 本頁面
【文章內(nèi)容簡介】 三、邊緣檢測算法 利用圖像中灰度變化最強烈區(qū)域信息的方法稱為邊緣檢測方法 。 這類方法主要基于圖像灰度級的不連續(xù)性，它通過檢測不同均勻區(qū)域之間的邊界來實現(xiàn)對圖像的分割，這與人的視覺過程有些相似。邊緣檢測一 般 分為三個步驟：首先利用一些邊緣檢測算子檢測出圖像中可能的邊緣點 其次，對有 一定厚度的邊緣進行復雜的邊緣細化得到精確的厚度為一個像素的邊緣。 最后利用邊緣閉合技術以便得到封閉的邊緣。依據(jù)執(zhí)行方式的不同，這類方法通常又分為串行邊緣檢測技術和并行邊緣檢測技術。串行邊緣檢測技術首先要檢測出一個邊緣起始點，然后根據(jù)某種相似性準則尋找與前一點同類的邊緣點，這種確定后繼相似點的方法稱為跟蹤。根據(jù)跟蹤方法的不同，這類方法又可以分為輪廓跟蹤、光柵跟蹤和全向跟蹤三種方法。全向跟蹤可以克服由于跟蹤的方向很可能造成的邊界丟失，但其搜 索過程會付出更大的時間代價。串行邊緣檢測技術的優(yōu)點在于可以得到連續(xù)的單像素邊緣，但是它的效果嚴重依賴于初始邊緣點，如由不恰當?shù)某跏歼吘夵c可能得到虛假邊緣，另外，較少的初始邊緣點可能導致邊緣漏檢。并行邊緣檢測技術通常借助空域微分算子，通過其模板與圖像卷積完成，因而可以在各個像素上同時進行，從而大大降低了時間復雜度。常見的并行邊緣檢測方法有梯度幅度算子、 Robects梯度算子、 Laplacian算子、 Sobel。 四、基于特定理論的分割算法 水下強噪聲圖像 分割至今為止尚無通用的理論，所以，每當有新的 “理論或方法 ”提出來人們就試著將其應用于 水下強噪聲圖像 分割，因而提出了不少特殊的算法。馬爾可夫隨機場、 Gibbs隨機場等 。 水下強噪聲圖像目標分割方法發(fā)展現(xiàn)狀及發(fā)展趨勢： 雖然圖像分割技術己被人們廣泛的利用，但是針對 水下強噪聲圖像 分割的研究相對缺
公司管理相關推薦
鄂ICP備17016276號-1