需要金币:1000 个金币 | 资料包括:完整论文,任务书 | ||
转换比率:金额 X 10=金币数量, 例100元=1000金币 | 论文字数:12950 | ||
折扣与优惠:团购最低可5折优惠 - 了解详情 | 论文格式:Word格式(*.doc) |
摘要:图像分割是从图像处理到图像分析、理解的基础,是图像特征提取和识别的关键步骤,因此分割准确率和区域边缘定位好坏,是决定后续对目标进行特征提取和识别成功与否的关键。 本文对图像分割的研究现状进行了分析,对比了几种常用图像分割方法的优缺点,并对基于独立成分分析的图像分割技术做了深入剖析,通过对纹理图像所有像素计算出来的特征表达行向量,采用计算欧氏距离的方法进行聚类,从而实现图像的分割,效果显著。
关键词:图像分割 纹理图像 独立成分分析
目录 摘要 Abstract 引言 1图像分割技术的背景与意义-2 2图像分割技术的研究现状-2 2.1基于阈值的分割方法-2 2.2基于边缘的分割方法-3 2.3 基于区域的分割方法-3 2.3.1 区域生长法-4 2.3.2 区域分裂合并法-4 2.3.3分水岭分割方法-5 2.4基于小波变换的分割方法-5 2.5 基于遗传算法的分割方法-6 2.6 基于聚类的分割方法-6 2.7 基于主动轮廓模型的分割方法-6 2.8 算法比较-7 3独立成分分析-9 3.1 独立成分分析相关理论-9 3.1.1 独立成分分析模型-9 3.1.2 独立成分分析的定点算法(FastICA)-10 4 基于独立成分分析的图像分割-11 4.1本文方法概述-11 4.2 过程描述与实现-11 4.2.1 训练图像与测试图像的选取-11 4.2.2 数据的预处理-13 4.2.3 提取独立分量-13 4.2.4 分割-15 4.3 结论-16 5 程序代码实现-17 结论 致谢 参考文献 |