共查询到20条相似文献,搜索用时 46 毫秒
1.
在计算机视觉的相关研究中,图像分割是连接低级视觉和高级视觉的桥梁和纽带,而图像分割是计算机视觉系统中最关键和重要的一个环节。在概要介绍几种常用图像分割方法的基础上,比较了每种图像分割算法的优缺点及其适应范围,结果表明:不同工程应用中,应根据其需求与图像特点合理采用不同的图像分割方法以达到更好的处理效果。 相似文献
2.
3.
图像边缘检测常用算子研究 总被引:3,自引:0,他引:3
数字图像的边缘检测是图像分割、目标区域的识别、区域形状提取等图像分析领域十分重要的基础,在计算机视觉、图像分析都起着很重要的作用。向读者展示Robert算子等六个算子的原理及实现以此简单介绍一下这个技术,并对算法进行了相关的比较。 相似文献
4.
为实现用FGS模型确定灰度图像的最佳分割数,本文对FGS方法进行简化,并给出了用FGS方法确定灰度图像最佳分割数的详细算法。计算机实验表明,用FGS模型确定灰度图像最佳分割数是有效的,与GS方法具备一致性。考虑图像分割的模糊性,用FGS方法比GS方法更合理。 相似文献
5.
为了合理地确定运用模糊C均值(FCM)聚类方法进行图像分割时的聚类中心数,从而对图像进行合理区域分割,提出了基于区域生长和FCM聚类的图像分割方法.该方法可以利用区域生长合理地确定要聚类的中心数,然后再依此聚类中心数利用FCM聚类算法对图像进行分割.实验结果表明,该方法可以准确地分割出目标,是一种有效的图像分割方法. 相似文献
6.
7.
近些年来,随着计算机技术的发展,计算机处理图形和图像的技术也得到了飞速的发展,目前,计算机图形学和计算机图像学已经逐渐成为现代计算机应用科学中最为活跃的学科之一,广泛的应用在各行各业之中,计算机图形与图像处理技术在很大程度上发挥除了人们的主动性,为生产和生活带来了丰富多样的视觉景象和巨大的便利,应用前景较好,本文主要探讨计算机图形图像处理的关键技术。 相似文献
8.
9.
在图像处理和图像分析领域中,去除噪声是一个长期存在的问题。好的去噪方法为图像的后继处理如边缘检测、图像分割、图像匹配等会带来许多好处,为此,人们提出了许多图像去噪平滑的方法。 相似文献
10.
皮尔斯在运用三元关系理论对符号进行分类时,十分强调符号内部各要素的相互关系,按照符号形体与符号对象不同的相互关系或不同的结合方式,将符号分为图像符号、指索符号和象征符号。其中图像符号是在视觉传播活动中应用极为广泛的符号,本文结合广告案例,对图像符号的不同肖似性特征,及怎样理解“肖似性”与视觉造型中“写实性”等问题作了较为深入的论述。符号形体用肖似性的方式来表征符号对象是图像符号的本质特征,对这一问题的探讨有助于我们在广告策划和设计中准确地运用图像符号,从而达到有效传播信息的目的。 相似文献
11.
彩色图像检索方法基于hsv颜色模型提取示例图像的颜色特征与图像库中图像的颜色特征时,提取不同维数的特征向量.在图像相似性度量的时候使用不同的计算公式.实验结果证明,这种颜色直方图算法速度快且与人类的视觉有着良好的一致性. 相似文献
12.
车道检测系统中的关键问题是图像分割,而图像分割的基础则是自适应阈值的确定。本文针对车道检测系统对比了不同的自适应阈值算法,并采用物理模型仿真的研究方法简要分析了这几种算法的特性,最终确定了一种各项性能指标均较优的自适应阈值算法。 相似文献
13.
14.
针对复杂海面背景下红外图像舰船目标由于灰度不均匀、海杂波干扰大等因素造成的自动检测虚警率高、准确率低的问题,提出了一种显著区域提取和目标精确分割相结合的红外舰船目标检测方法。首先,利用基于图论的视觉显著性(Graph-based Visual Saliency ,GBVS)模型计算待检测图像的显著图,使得目标区域信息增强;其次,结合舰船目标先验信息(长短轴、面积等),利用多级阈值划分算法提取关注的显著区域,并确定原图中候选目标区域;最后,利用空间约束模糊C均值(Fuzzy C-Means,FCM)算法对候选区域进行分割,结合目标先验知识对分割区域筛选并输出目标位置。所提方法在公开数据集IRShips上与相关方法进行比较,结果表明,相比直接进行全图目标搜索的方法,所提方法不仅准确率高、执行速度快,且检测目标的位置更加精确。 相似文献
15.
16.
首先介绍aia(automatic image annptation) 在计算机视觉技术中的应用及其定义,其次对ala方法进行了研究论述,着重论述了cmrm、crm、mbrm等主要的图像标注方法;最后探讨方法的局限性. 相似文献
17.
18.
针对目前复杂度较大的图像中目标分割速度较慢、显著性边界分割不明确等问题,提出了一种融合改进的FT(Frequency-tuned)显著性检测与Grabcut的图像分割算法。该算法首先通过改进基于频率调谐的FT显著性检测方法得到图像中显著性较高的区域,并利用SLIC(Simple Linear Iterative Clustering)算法对显著图进行预处理得到超像素图,能够有效改善边界的分割效果,然后通过以图论GraphCut算法为基础改进的Grabcut算法建立高斯混合模型。为了提高算法效率,通过聚类以超像素代替原像素,并反复迭代高斯混合模型(Gaussian Mixed Model,GMM)参数,最后利用最大流最小割算法得到最优目标分割结果。实验结果表明所提算法能够更准确更高效率地分割图像中的显著性目标,对高分辨率图像也有很好的适用效果,相比于其他算法在分割精度上提高10%左右,并具有较高的分割效率。 相似文献
19.
利用基于数据挖掘技术的DBSCAN算法,提出了解决图像分割的新方法。把数字图像按照点的分布情况建立图像样本数据库,然后使用密度聚类法,利用DBSCAN算法进行图像分割。它能找到图像样本比较密集的部分,并且概括出图像样本相对比较集中的类,并可在带有"噪声"的图像中进行聚类,完成图像分割,有较强的抗"噪声"能力。 相似文献