開題報(bào)告--基于51單片機(jī)的教室智能照明控制系統(tǒng)(編輯修改稿)
2025-02-17 16:29 本頁(yè)面
【文章內(nèi)容簡(jiǎn)介】 函數(shù)來(lái)求解最佳灰度閾值?；谶吘壍姆指罘椒ǎ^邊緣是指圖像中兩個(gè)不同區(qū)域的邊界線上連續(xù)的像素點(diǎn)的集合，是圖像局部特征不連續(xù)性的反映，體現(xiàn)了灰度、顏色、紋理等圖像特性的突變。通常情況下，基于邊緣的分割方法指的是基于灰度值的邊緣檢測(cè)，它是建立在邊緣灰度值會(huì)呈現(xiàn)出階躍型或屋頂型變化這一觀測(cè)基礎(chǔ)上的方法。使用一階導(dǎo)數(shù)的極值與二階導(dǎo)數(shù)的過(guò)零點(diǎn)來(lái)確定邊緣，具體實(shí)現(xiàn)時(shí)可以使用圖像與模板進(jìn)行卷積來(lái)完成?；趫D論的分割方法，此類方法把圖像分割問(wèn)題與圖的最小割（min cut）問(wèn)題相關(guān)聯(lián)。首先將圖像映射為帶權(quán)無(wú)向圖G=V，E，圖中每個(gè)節(jié)點(diǎn)N∈V對(duì)應(yīng)于圖像中的每個(gè)像素，每條邊∈E連接著一對(duì)相鄰的像素，邊的權(quán)值表示了相鄰像素之間在灰度、顏色或紋理方面的非負(fù)相似度。而對(duì)圖像的一個(gè)分割s就是對(duì)圖的一個(gè)剪切，被分割的每個(gè)區(qū)域C∈S對(duì)應(yīng)著圖中的一個(gè)子圖。而分割的最優(yōu)原則就是使劃分后的子圖在內(nèi)部保持相似度最大，而子圖之間的相似度保持最小?；趫D論的分割方法的本質(zhì)就是移除特定的邊，將圖劃分為若干子圖從而實(shí)現(xiàn)分割。目前所了解到的基于圖論的方法有GraphCut，GrabCut和Random Walk等?；谀芰糠汉姆指罘椒?，該類方法主要指的是活動(dòng)輪廓模型（active contour model）以及在其基礎(chǔ)上發(fā)展出來(lái)的算法，其基本思想是使用連續(xù)曲線來(lái)表達(dá)目標(biāo)邊緣，并定義一個(gè)能量泛函使得其自變量包括邊緣曲線，因此分割過(guò)程就轉(zhuǎn)變?yōu)榍蠼饽芰糠汉淖钚≈档倪^(guò)程，一般可通過(guò)求解函數(shù)對(duì)應(yīng)的歐拉(Euler．Lagrange)方程來(lái)實(shí)現(xiàn)，能量達(dá)到最小時(shí)的曲線位置就是目標(biāo)的輪廓所在。按照模型中曲線表達(dá)形式的不同，活動(dòng)輪廓模型可以分為兩大類：參數(shù)活動(dòng)輪廓模型和幾何活動(dòng)輪廓模型。而針對(duì)Snake模型，很多學(xué)者都致力于改進(jìn)傳統(tǒng)Snake模型，并取得了一定成果?？偟膩?lái)說(shuō)，大部分的改進(jìn)研究工作可分為兩個(gè)方面：改進(jìn)圖像外力，擴(kuò)大力場(chǎng)捕捉范圍，可以更好地解決傳統(tǒng)Snake模型對(duì)初始輪廓敏感以及難以收斂進(jìn)凹陷邊界等問(wèn)題；改進(jìn)最小化能量過(guò)程中的解析算法，有助于改善收
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號(hào)-1