复杂背景下的真彩色图像分割方法研究文献综述

 2023-04-13 09:37:32

文献综述

一、课题背景随着当前科技水平的不断发展,图像分割已经成为各个行业中必不可少的辅助方法。

图像分割有着特别广泛的应用,例如工业上自动化生产、生产过程中的控制、人脸识别、指纹识别、行人检测、机器视觉、保安的监视,以及军事和体育等方面。

由于图像分割具有精确性、全面性等特点,大多数的彩色数字图像分割在进行各领域的图形分割时无法精确详细的对其进行分割,因此在这种情况下, 如何提高复杂背景下彩色数字图像分割的精确性成为了亟需解决的问题。

目前主流的经典图像分割算法主要分为阈值分割算法、区域提取算法、边缘检测算法以及结合特定工具分割方法。

区域提取算法可有效提升复杂背景下彩色数字图像分割的正确率, 但是算法流程过于复杂, 操作不当便会引起图像分割不明确的情况。

本课题将基于一种基于python结合聚类算法中的均值漂移进行真彩色图像分割算法,达到在复杂背景下彩色图像的精准分割。

二、国内外现状 近年来图像分割方法被广泛地应用在界面演化、流体力学、计算机视觉、图像处理领域[1]等领域中,许多学者对水平集方法做了大量的研究和应用工作,尤其在图像分割中已取得了很大的进展。

在国外方面,1982年,Osher和Sethian首次提出了水平集算法[2], 这是一种有效解决曲线演化问题的数值方法,并且计算稳定,适宜任意维数空间。

随后,Osher等人[3,4]对水平集算法做出扩展和总结,Giga也做了相关的理论扩展。

剩余内容已隐藏,您需要先支付 10元 才能查看该篇文章全部内容!立即支付

以上是文献综述,课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。