导读:本文包含了最大类间方差法法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
最大类间方差法法论文文献综述
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）
陈雪鑫,卜庆凯[2]（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[3]（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[4]（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）
陈飞飞,夏春明,张胜利,钱鹏,王忆勤[5]（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[6]（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）
黄亚伟,陈悦,黄晓华[7]（2018）在《基于遗传算法的二维最大类间方差法的优化》一文中研究指出针对经典的二维最大类间方差法存在时效性差的问题,提出一种快速实现方法。通过对原有的二维灰度直方图计算其边缘概率分布,将作为判别标准的离散度矩阵分解为2个一维类间方差之和,在保证原有鲁棒性的同时降低了算法的时间和空间复杂度。同时,与遗传算法相结合,加快寻优过程,且遗传过程中可以自动调节遗传控制参数,避免早熟。实验证明其运算速度提升约50%。(本文来源于《机械与电子》期刊2018年04期）
黄展鹏,黄益栓,易法令,林育[8]（2017）在《基于最大类间方差法和区域生长的舌体自动分割》一文中研究指出舌图像中舌体的分割是舌诊信息化和客观化的基础。文章根据舌图像的特点,提出了基于最大类间方差法和子块生长的舌体自动分割算法,通过均值偏移对图像进行预处理,再利用最大类间方差法对彩色舌图像进行自动分类,最后基于分类后的子块特征进行区域生长,实现舌图像中舌体区域的自动分割。实验对DS01-A舌面脉信息采集体质辨识系统采集的100张舌图像进行分割,能够准确地分割出舌体区域。(本文来源于《时珍国医国药》期刊2017年12期）
程述立,汪烈军,秦继伟,杜安钰[9]（2017）在《群智能算法优化的结合熵的最大类间方差法与脉冲耦合神经网络融合的图像分割算法》一文中研究指出针对最大类间方差准则下的图像分割结果携带原图信息量不足、实时性差和脉冲耦合神经网络(PCNN)模型中循环迭代次数难以确定的问题,提出了群智能算法优化的结合熵的最大类间方差法(OTSU-H)与PCNN融合的自动图像分割算法。首先,充分利用图像的灰度分布信息和相关信息,将图像信息中冗余度、竞争性以及互补性有效地融合,构造二维和叁维观测空间,提出了OTSU-H准则的快速递归算法;其次,将快速递推算法的目标函数分别作为布谷鸟搜索(CS)算法、萤火虫算法(FA)、粒子群优化(PSO)算法和遗传算法(GA)四种群智能算法的适应度函数;最后,将优化之后的OTSU-H引入PCNN模型中自动获取循环迭代次数。实验结果表明,与原始的最大类间方差法(OTSU)、最大熵准则以及基于图论分割、像素的聚类分割和候选区域语义分割的图像分割算法相比,所提算法具有较好的图像分割效果,同时降低了计算复杂度,节约了计算机的存储空间,具有较强的抗噪能力。所提算法时间损耗少、不需要训练的特性使得算法的运用范围较广。(本文来源于《计算机应用》期刊2017年12期）
陈喜胜,钟菊萍,李军[10]（2017）在《最大类间方差法在污水排放图像处理中的应用研究》一文中研究指出采用图像处理技术与视频监控技术,能够有效解决人工监测所带来的不足。应用图像处理中的背景差分法、滤波处理和阈值求取与判断等,对视频监控中的排水口排放情况进行判断。结果表明,背景差分能够有效对图像进行识别出所污染的范围,并通过使用Otsu获取阈值并进行判断是否为污水,从而有效识别判断出排放污水的情况,能够及时做出预警功能并处理。(本文来源于《现代计算机(专业版)》期刊2017年32期）
最大类间方差法法论文开题报告
（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：
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。
（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。
最大类间方差法法论文参考文献
[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].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
[3].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
[4].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
[5].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
[6].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
[7].黄亚伟,陈悦,黄晓华.基于遗传算法的二维最大类间方差法的优化[J].机械与电子.2018
[8].黄展鹏,黄益栓,易法令,林育.基于最大类间方差法和区域生长的舌体自动分割[J].时珍国医国药.2017
[9].程述立,汪烈军,秦继伟,杜安钰.群智能算法优化的结合熵的最大类间方差法与脉冲耦合神经网络融合的图像分割算法[J].计算机应用.2017
[10].陈喜胜,钟菊萍,李军.最大类间方差法在污水排放图像处理中的应用研究[J].现代计算机(专业版).2017