导读:本文包含了最大类间方差论文开题报告文献综述及选题提纲参考文献，主要关键词:最大类间,方差法,激光图像,轮廓检测
最大类间方差论文文献综述
丁冬艳,涂宏庆[1]（2019）在《最大类间方差法的激光图像轮廓检测》一文中研究指出采用主动轮廓模型轮廓提取方法检测激光图像轮廓时,针对图像目标和背景间的过渡地带的分割误差高,未能检测图像目标的细节轮廓,检测准确性大大降低。为了提高激光图像轮廓检测效果,提出基于最大类间方差法的激光图像轮廓检测方法,用二维灰度直方图的形式描述激光图像,采用最大类间方差法分割激光图像,获取激光图像目标的最优阈值,将最优阈值作为激光图像目标的初次边缘,对该边缘能量进行最小化处理,直至获取边缘能量最小值,具有能量最小值的边缘即为激光图像目标的最终轮廓。实验结果表明,所提方法可有效检测不同类型的激光图像轮廓,且真阳性率高达90. 12%,假阳性率仅有0. 22%,具有较高的检测准确性。(本文来源于《激光杂志》期刊2019年10期）
王学忠,李美莲[2]（2019）在《免疫遗传算法最大类间方差图像分割法研究》一文中研究指出图像分割是图像处理技术的一个重要的环节,传统采用GA-Otsu算法分割图像容易陷入局部最优、获得的最佳阈值不够稳定,图像分割不够清晰,伴有分割不足或过当等问题。针对传统GA-Otsu方法分割图像存在不足的问题,提出一种基于免疫的GA-Otsu算法(IGA-Otsu算法),基本思路是在传统GA-Otsu算法上引入免疫算子和浓度自适应调节,有效地增加了种群结构的复杂性,避免早熟。利用该方法可使获得的图像最佳阈值比较稳定,有效地避免了早熟,使分割的图像也更加清晰。(本文来源于《佳木斯大学学报(自然科学版)》期刊2019年05期）
李玉,杨蕴,赵泉华[3]（2019）在《结合改进的降斑各向异性扩散和最大类间方差的SAR图像水体提取》一文中研究指出利用遥感成像技术获取地面水体信息对水资源调查、自然灾害评估、流域规划和生态环境监测等具有重要意义,其中SAR成像作为大范围地面监测的可靠数据源,拥有全天时、全天候、广覆盖等光学遥感系统所不具有的优点,在水体提取中得到了广泛的应用。但由于受SAR图像相干斑噪声的影响,现有水体提取方法难以迅速、精确提取SAR图像中复杂精细的自然水体结构。为此,提出一种结合改进的降斑各向异性扩散和最大类间方差的SAR图像水体提取方法。首先,利用降斑各向异性扩散滤波SAR图像,在迭代滤波过程中通过计算图像间平均结构相似度自适应控制迭代过程,使其同时保持精细边缘和纹理结构;然后,以类间方差最大为准则,自适应确定阈值,实现滤波结果图像二值化分割。在二值化分割结果中,搜索具有相同像元值且位置相邻的前景像元点组成的连通区域,使每个单独的连通区域形成一个被标识的块,通过获取这些块的几何参数来消除图像的误分割,精确划定真实的水体区域,以实现SAR图像水体提取。为了验证提出方法的准确性,将本文方法提取的水体边界与人工绘制的水体边界迭加,结果表明二者可较好吻合。同时,从视觉、提取精度和运行时间对本文方法与目前常用3种SAR图像水体提取算法的结果进行比较分析,其中本文方法的运行时间满足实时应用的要求,提取结果的边界在2个像元评级区重迭度均达到80%,明显优于其他方法且本文方法提取结果在边界及细节信息等视觉方面也更加显着。对结果的定性及定量评价表明本文方法的优越性。(本文来源于《地球信息科学学报》期刊2019年06期）
陈雪鑫,卜庆凯[4]（2019）在《基于改进的最大类间方差法的水果图像识别研究》一文中研究指出针对水果自动识别过程中特征信息提取不完整的问题,本文提出一种基于改进的最大类间方差法OTSU对水果图像进行分割。通过对图像中值滤波处理降低随机噪声的干扰,增大目标图像和背景之间像素值与最佳分割阈值之间的差值,使目标图像与背景图像与各自类间中心的距离尽可能相近,达到相对方差取代绝对方差实现图像分割,然后对目标图像提取颜色特征和形状特征实现不同种类的水果图像识别。实验结果表明,改进后的OTSU所得阈值能分割到更加清晰的图像,图像分割的运行时间明显缩短,水果图像识别的平均正确识别率提高了15%左右。该研究提高了水果识别的效率,具有一定的实际应用价值。(本文来源于《青岛大学学报(工程技术版)》期刊2019年02期）
黄巧义,张木,李苹,付弘婷,黄旭[5]（2019）在《支持向量机和最大类间方差法结合的水稻冠层图像分割方法》一文中研究指出针对田间多变光照强度给水稻冠层图像分割带来的难题,探讨了一种基于支持向量机(SVM)和最大类间方差法(OTSU法)相结合的水稻冠层图像分割算法。首先,从不同光强条件下的水稻冠层图像中采集代表性水稻和背景像元构建训练图像S1和S2,通过分析水稻S1和背景S2两类图像在RGB色彩空间中R、G、B色彩特征值的分布频率,rgb(标准化RGB)色彩空间中r、g、b色彩特征值的分布频率,CIE L*a*b*色彩空间中L*、a*、b*色彩特征值的分布频率,以及HSV色彩空间中H、S、V色彩特征值的分布频率,筛选出具有明显双峰特征的g、a*、b*和S作为关键色彩特征;然后,在由g、a*、b*和S色彩特征构成的多维色彩空间中采用支持向量机学习算法获得分隔水稻和背景像元的优化超平面Z(Z=0.421g+0.753 a*+0.152 b*+0.051S+0.085);最后,计算水稻冠层图像中每一像元的Z值,并用最大类间方差法计算分割阈值Z_t,从而实现水稻冠层图像分割。为了评价该分割方法,以90幅不同光强(阴天、多云和晴天)条件下采集到的田间水稻冠层图像作为测试图像,并以常用的ExG&OTSU分割方法作为对比,分析该分割方法的分割精度和光强稳健性。结果表明,Ex G&OTSU方法的精确度显着受光强条件影响,随着光强强度的提高而显着降低,光强稳健性差;该研究所提分割方法对阴天、多云和晴天条件下水稻冠层图像的分割误差为7.30%、8.72%和8.98%,分割精确度较高,且具有良好的光强稳健性。因此,该基于支持向量机和最大类间方差法相结合的水稻冠层图像分割方法具有较高的分割精度和光强稳健性,可为田间多变光照条件下水稻冠层图像精准分割提供技术参考。(本文来源于《中国农业科技导报》期刊2019年04期）
周俊勇,陈永良,黄卫跃[6]（2019）在《最大类间方差法在果蔬种类识别中的应用研究》一文中研究指出为了满足超市果蔬识别分类系统对果蔬图像分割准确和快速的要求,提出在HSV颜色空间下利用最大类间方差法对果蔬图像进行分割。实验中,通过与RGB灰度空间下的最大类间方差分割算法和HSV颜色空间下Kmeans聚类分割算法对比,实验结果证明,在HSV颜色空间中利用最大类间方差法进行果蔬图像分割,在分割正确率和分割时间上,都能获得比较满意的效果。(本文来源于《科技通报》期刊2019年03期）
易叁莉,张桂芳,贺建峰,李思洁[7]（2018）在《基于最大类间方差的最大熵图像分割》一文中研究指出最大熵分割算法对于目标与背景之间界限模糊的图像分割效果较好,但该算法对图像边缘的处理能力较差。最大类间方差分割算法对图像边缘的识别能力较强,但该算法对于目标和背景之间界限模糊的图像分割效果不好。针对上述问题,提出了一种基于最大类间方差的最大熵图像分割算法,该算法既能很好地对目标与背景之间界限模糊的图像进行分割,又能有效地识别图像的边缘。实验结果表明,本文所提算法对目标与背景之间界限模糊的图像的分割效果以及对图像边缘的识别能力均优于传统的最大类间方差算法和最大熵算法,且具有更好的有效性和鲁棒性。(本文来源于《计算机工程与科学》期刊2018年10期）
何秋蓉,何子亮,古万荣,钟南,孙远明[8]（2018）在《基于最大类间方差自适应阈值的五花肉肥瘦自动识别方法》一文中研究指出对五花肉的检测常使用化学检测或人工检测方法,但这两种常用方法都需要花费较大的成本和检测时间,且误差较大。为了提高识别准确度,降低检测成本,实现自动化检测。本文以猪肉腹部的五花肉为研究对象,使用最大类间方差自适应阈值法对图像R基色图层进行背景分离,并对图像进行中值滤波处理,从而获取图像的五花肉区域。针对五花肉图像中肥肉与瘦肉对比度不强的特点,采用有限对比度自适应直方图函数来增强肥瘦肉之间的对比度,再使用最大类间方差自适应阈值法分割五花肉图像的肥肉与瘦肉区域。通过实际图像样本的实验结果表明,本文方法比传统新近方法的识别准确率高。这说明本文方法通过自动阈值进行图像滤波处理方法可以有效区分肥肉和瘦肉区域,对其进行有效检测和识别。(本文来源于《现代食品科技》期刊2018年10期）
陈飞飞,夏春明,张胜利,钱鹏,王忆勤[9]（2018）在《基于最大类间方差法与分水岭的舌图像瘀斑提取》一文中研究指出目的:研究舌图像瘀斑的自动提取算法。方法:以上海中医药大学提供的典型瘀斑舌图像为研究对象。采用了层层递进的提取思路:首先采用最大类间方差法对舌体进行粗分割,去除大部分非瘀斑区域以及与瘀斑差异较大的干扰;其次根据粗分割结果,采用形态学开闭重建预处理的分水岭算法进行细分割,得到瘀斑区域;最后对细分割结果进行后处理,去除误提取区域,优化提取结果。结果:提出了一种基于最大类间方差法与分水岭的瘀斑提取算法,使用该算法对72例典型瘀斑舌图像进行瘀斑提取,大部分结果满足瘀斑特征分析的要求。结论:该算法实现了舌图像瘀斑的自动提取,为之后瘀斑的特征分析打下良好基础。(本文来源于《中华中医药杂志》期刊2018年07期）
孙启国,罗光旺,闫晓丹[10]（2018）在《最大类间方差法改进的ECT正则化图像重建算法》一文中研究指出电容层析成像作为油气润滑气液两相流参数检测的主流方法之一,其成像系统具有高度不适定性。研究旨在优化能满足油气润滑系统精确度和实时性要求的电容层析成像图像重建算法,以擅长处理不适定问题的Tikhonov标准正则化算法作为电容层析成像图像重建系统的基础算法,并采用最大类间方差法自适应获得的最优阈值对Tikhonov标准正则化重建的图像进行图像分割,达到修正标准正则化算法过度光滑缺点的目的。结果显示,改进后的算法图像误差减小,图像相关系数增大,表明图像精确度明显提升。(本文来源于《机械》期刊2018年05期）
最大类间方差论文开题报告
（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：
图像分割是图像处理技术的一个重要的环节,传统采用GA-Otsu算法分割图像容易陷入局部最优、获得的最佳阈值不够稳定,图像分割不够清晰,伴有分割不足或过当等问题。针对传统GA-Otsu方法分割图像存在不足的问题,提出一种基于免疫的GA-Otsu算法(IGA-Otsu算法),基本思路是在传统GA-Otsu算法上引入免疫算子和浓度自适应调节,有效地增加了种群结构的复杂性,避免早熟。利用该方法可使获得的图像最佳阈值比较稳定,有效地避免了早熟,使分割的图像也更加清晰。
（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。
最大类间方差论文参考文献
[1].丁冬艳,涂宏庆.最大类间方差法的激光图像轮廓检测[J].激光杂志.2019
[2].王学忠,李美莲.免疫遗传算法最大类间方差图像分割法研究[J].佳木斯大学学报(自然科学版).2019
[3].李玉,杨蕴,赵泉华.结合改进的降斑各向异性扩散和最大类间方差的SAR图像水体提取[J].地球信息科学学报.2019
[4].陈雪鑫,卜庆凯.基于改进的最大类间方差法的水果图像识别研究[J].青岛大学学报(工程技术版).2019
[5].黄巧义,张木,李苹,付弘婷,黄旭.支持向量机和最大类间方差法结合的水稻冠层图像分割方法[J].中国农业科技导报.2019
[6].周俊勇,陈永良,黄卫跃.最大类间方差法在果蔬种类识别中的应用研究[J].科技通报.2019
[7].易叁莉,张桂芳,贺建峰,李思洁.基于最大类间方差的最大熵图像分割[J].计算机工程与科学.2018
[8].何秋蓉,何子亮,古万荣,钟南,孙远明.基于最大类间方差自适应阈值的五花肉肥瘦自动识别方法[J].现代食品科技.2018
[9].陈飞飞,夏春明,张胜利,钱鹏,王忆勤.基于最大类间方差法与分水岭的舌图像瘀斑提取[J].中华中医药杂志.2018
[10].孙启国,罗光旺,闫晓丹.最大类间方差法改进的ECT正则化图像重建算法[J].机械.2018