水下強噪音圖像目標分割方法研究文獻綜述(參考版)
2025-01-09 04:38本頁面
【正文】 針對已有 的 水下強噪聲圖像目標 分割算法， 比較它們的抗噪聲能力 、分割精度 和適應能力及分割速度等 。 結論： 目前，世界各國家都 十分重視 水下強噪聲圖像目標分割算法 的研究工作，相比之下，我國在這方面技術還比較落 后。從全球范圍來看，中國在水下強噪聲圖像目標分割方法研究的方面還是處于起步階段的，仍然有很大的上升空間。雖然圖像分割技術己經(jīng)被國內外廣泛的利用，但是針對水下強噪聲圖像目標分割的研究相對缺乏，因為水下環(huán)境比較復雜，對水下圖像的采集會起到各種復雜的作用。國外研究主要采取的是自動閾值和模糊理論的分割。從國內外發(fā)表的 水下強噪聲圖像 分割文章中可以發(fā)現(xiàn)，現(xiàn)在的研究重點集中在對一般的圖像分割算法進行改進和將不同的算法結合起來對 水下強噪聲圖像 進行分割。近年來研究較多 分割算法包括：馬爾科夫隨機場 (MRF)， Gibbs隨機場， Bayesian理， 多尺度邊緣檢 等。 面對復雜的 水下強噪聲 圖像處理問題，至今還沒有形成一個比較統(tǒng)一的并且被大家公認的圖像分割算法，還處于理論研究階段，而且國內在這方面的進展要遠遠落后于發(fā)達國家。馬爾可夫隨機場、 Gibbs隨機場等 。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。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。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。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。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
公司管理相關推薦
鄂ICP備17016276號-1