一、具有抗噪能力的图像阈值分割法（论文文献综述）
张龙威,杨向宇[1]（2021）在《基于改进二维Otsu算法的电机故障识别研究》文中研究表明热成像图像处理技术已广泛应用于电机故障诊断中。在电机热成像灰度图像的基础上,采用二维Otsu图像阈值分割方法自动提取电机灰度图像的高温区域,针对传统二维Otsu图像阈值分割方法计算复杂、实时性差的缺点,论文提出一种以改进萤火虫算法为求优方式的二维Otsu图像分割算法,即引入模拟退火因子的萤火虫算法与二维Otsu图像阈值分割法相结合,经实验结果表明,改进后的算法图像分割效果良好,并且计算时间短,实时性好。
任继亭,李尉[2]（2021）在《海天线检测方法综述》文中认为海天线是无人艇利用视觉技术感知周围环境的重要因素。准确的海天线检测可以将海天区域准确地划分,对无人艇在海面上的安全航行和水面目标检测具有重要作用。复杂的海面环境一直是影响海天线准确检测的重要因素。本文对在复杂的海天背景下海天线的检测方法做了阐述。
刘博[3]（2021）在《基于活动轮廓模型的图像分割算法研究》文中认为图像分割是图像处理领域和计算机视觉领域中的关键技术之一。活动轮廓模型分割法因在医学图像等复杂图像的分割中取得了较好的分割效果而被广泛应用。医学图像大多为灰度不均的且含噪声的图像,基于区域的局部二值拟合活动轮廓模型有效解决了该类型图像的分割问题,但该模型中存在水平集函数演化效率低、分割效果易受噪声影响以及初始轮廓敏感等问题。本文针对以上问题进行改进并做出仿真,具体工作如下:1.针对模型分割效率低和易受噪声影响的问题,提出一种基于局部区域信息的固定水平集法:通过对符号距离函数的改进,使用固定距离替代点到曲线的真实距离,简化了符号距离函数初始化过程的计算复杂度,提高了演化效率。同时对符号距离函数的梯度计算进行定义,决定了水平集算法中符号距离函数仅在零水平集曲线周围小范围窄带内发生变化。因此只需计算窄带内的像素点而无需对所有点进行计算,极大减少模型计算量,进一步提高效率。最后针对模型提出收敛条件,减少模型演化所需时间。在符号距离函数初始化前采用高斯函数对其进行规则化来平滑噪声,提高模型抗噪性从而改善分割效果。2.针对模型对初始轮廓敏感的问题,提出一种基于局部同向拟合的改进方法:对曲线演化相反方向的局部区域交换拟合值来确保分割曲线均沿着目标区域轮廓内边界或外边界演化而不停留在目标区域内部造成错误分割。降低模型对初始轮廓的敏感程度,改善了分割效果。本文在理论研究与实践相结合,将以上改进方法应用到医学灰度不均图像的分割实验中,并取得了良好的分割结果,以此证明了提出方法的有效性。医学图像分割效率和效果的改善有助于医疗问诊与医学研究,因此本文研究内容具有一定应用价值。
梁义涛,孟亚敏,朱玲艳,张猛,李永刚[4]（2021）在《二维Otsu拟合线阈值图像分割方法》文中研究指明针对已有二维Otsu线阈值法分割方法存在的因误分类而导致的分割质量下降、抗噪性能不足的问题。结合二维Otsu折线阈值算法和曲线拟合方法,提出了二维Otsu拟合线阈值图像分割方法。本文方法是在二维Otsu折线阈值法基础上进行改进。先对二维直方图中边界信息或噪声所属区域的像素点迭代分割,并设定迭代停止条件,以获得多个阈值点,然后引入曲线拟合的方法,将多个阈值点拟合成线阈值,最后以此线阈值作为分割标准实现分割。实验结果表明:利用本文方法对边缘丰富的图像分割具有较好的分割效果,抗噪能力和自适应能力更强,普适性更高。
史春天,曾艳阳,侯守明[5]（2021）在《群体智能算法在图像分割中的应用综述》文中研究指明图像分割的通用方法一直是图像处理领域中的热点和难点。随着人工智能的兴起和发展,群体智能算法成为当下热点研究的方向,将图像分割技术结合群体智能算法成为一种新型有效的改进方法。群智能算法通过模拟自然界的事物或生物的行动规律,将传统的人工智能和群体生物结合,在解空间中搜索最优解,为解决复杂问题提供了新的解决思路。阐述群体智能算法的研究现状和发展过程,将早期的蚁群算法（Ant Colony Optimization,ACO）、经典的粒子群算法（Particle Swarm Optimization Algorithm,PSO）以及较新的麻雀搜索算法（Sparrow Search Algorithm,SSA）为例详细介绍其算法原理方法,并简要表述蝙蝠算法（Bat Algorithm,BA）、鲸鱼优化算法（Whale Optimization Algorithm,WOA）、人工蜂群算法（Artificial Bee Colony Algorithm,ABC）、萤火虫算法（Firefly Algorithm,FA）、布谷鸟搜索法（Cuckoo Search,CS）、细菌觅食算法（Bacterial Foraging Optimization,BFO）和最新的蜉蝣算法（Mayfly Algorithm,MA）的原理,在此基础上,结合国内外文献对上述算法的改进方法和结合图像分割技术的综合改进及应用进行分析总结。将群体智能算法结合图像分割技术的代表性算法提取出来进行列表分析总结,随后概述总结群体智能算法的统一框架、共同特性、不同的差异并提出存在的问题,最后对未来趋势做出展望。
张敏[6]（2020）在《基于图像处理的带式输送机故障诊断系统研究》文中认为随着皮带机在工业运输领域特别是在港口煤炭等领域应用越来越受欢迎,带式输送机的关键部位如电机、托辊、滚筒的故障逐渐增多。因此,带式输送机保证其关键部位的正常、稳定运行十分重要。传统的故障巡检方式主要通过人工进行巡检,长期的人工巡检方式逐渐体现出它的弊端,工作效率低、主观性强、浪费时间,已不能满足现代化智能港口的要求。针对传统巡检方式的不足,本文以日照港带式输送机为研究对象,设计一种基于红外图像处理的带式输送机故障诊断系统,实验证明该系统能够替代传统的人工巡检方式,在不停机、无需接触故障物的情况下,将带式输送机的运行状态反馈到系统内,能够有效的识别故障,实时监控,保证输送机运行的可靠性。本文主要研究工作包括:（1）带式输送机工作环境复杂,采集的红外图像普遍含有高斯噪声和椒盐噪声,噪声存在会影响图像的质量,对后续图像识别造成影响,针对噪声问题,本文采用一种结结合的图像去噪方法,它将中值滤波和改进小波阈值去噪的优点结合起来,对椒盐噪声和高斯噪声有较好的滤除效果,弥补传统去噪算法只能滤除一种噪声的不足。通过MATLAB对其进行验证。（2）针对带式输送机红外图像中含有复杂背景,为了消除背景干扰对故障部位的影响,本文采用一种形态学和改进区域生长法结合的方法,利用改进区域生长法将故障部位大体分割,再通过形态学算法细化故障边缘,最后使用Canny算子提取边缘信息,通过MATLAB实验仿真,证明该方法能有效的将带式输送机关键部位分割出来。（3）针对带式输送机的图像识别,采用SVM分类器进行图像识别。传统的核函数不能同时具备泛化、学习能力。为了避免这一点,本文采用一种新的算法——混合核函数,进一步提高其准确性,优化参数,并通过MATLAB调用libSVM工具箱实验验证构造的分类模型能准确识别带式输送机关键部位。（4）针对带式输送机关键部位故障诊断,应用MATLAB和LabVIEW联用的方法设计一种带式输送机红外故障诊断系统,根据图像识别出带式输送机不同的关键部位,采用不同的诊断方法进行故障诊断,该系统搭配智能巡检机器人,在带式输送机工作状态下进行实时监测,准确进行带式输送机的图像识别和故障诊断,在避免不必要的经济损失的同时,缩短故障诊断的时间,提高巡检的效率,增加带式输送机的安全性,延长带式输送机的工作寿命。
肖乐意[7]（2020）在《Otsu图像分割法的改进与应用研究》文中认为随着物联网和人工智能技术的快速发展,机器视觉在各行各业中所发挥的作用日益明显,对图像处理技术提出了越来越高的要求。图像分割作为图像处理过程中的一个中间步骤,对图像处理和识别的结果具有重要影响。虽然当前的图像分割方法种类繁多,但阈值法是最经典的一类分割方法,其中大津展之所提出的最大类间方差法（Otsu法）是一种代表性的阈值分割法。Otsu法原理简单、易于实现,已被广泛应用于图像处理领域。但随着所处理的图像日益复杂,Otsu法在分割低信噪比图像时逐渐暴露出各种不足。对此,本文围绕Otsu法这一经典分割算法展开研究。运用集合映射原理对Otsu法的算法本质进行了深入分析,探索了直方图的组成、设计及其划分方式;对图像中噪声的检测与纠正机制进行了初步探讨,研究了算法的复杂度及快速分割方法;以手势图像和脑MR图像为对象,对本文方法的工程实用性进行了检验。本文的具体研究内容如下:1.直线截距直方图Otsu法虽具备较好的分割性能,但其算法效率和抗噪性仍有待改善。对此,在分析直线截距直方图Otsu法集合映射本质的基础上提出了一种基于集合映射与梯形域截距直方图的Otsu法。该方法首先建立映射规则将二维直方图中的像素点映射到不同的梯形域,充分压缩阈值空间而提高算法效率;然后,引入后处理思想对映射规则进行改进,使算法能较好地兼顾抗噪性和细节保持性。实验结果表明,该算法分割效率高,能较好地平衡图像分割过程中的抗噪性和细节保持性。2.传统三维Otsu法的算法复杂度较高,抗噪性有待提高。对此,通过采用一个垂直于主对角线的平面划分三维直方图,设计了一种平面截距直方图并给出了其对应的类间方差准则,从而提出了一种基于平面截距直方图和几何分析的Otsu法。为增强算法的抗噪性,该方法基于几何分析原理对传统三维Otsu法所忽略的区域2-7中的噪声进行了重新归类。测试实验表明,与传统三维Otsu法及其几种改进方法相比,该方法在算法效率和分割效果方面具有明显优势。3.传统截面投影Otsu法后处理过程中的阈值Q为预先设定的常量,对含噪程度不同的图像普适性较差。对此,提出了一种基于记忆分子动理论优化算法的多目标截面投影Otsu法。该方法将阈值Q作为变量,结合分割阈值T,基于最大类间方差和最大峰值信噪比准则建立了多目标图像分割模型,以兼顾图像分割的准确性和抗噪性;为免阈值增加而影响算法效率,将人工记忆原理引入分子动理论优化算法,设计了一种基于记忆分子动理论优化算法的多目标图像分割模型求解方法。实验表明:该方法分割准确、抗噪性强、鲁棒性好,对含不同噪声的图像更具普适性。4.基于改进Otsu法的手势分割方法在抗噪性和分割准确性方面存在不足。对此,我们提出了一种适于手势图像分割的噪声自适应角度阈值Otsu法。该方法设计了灰度级-邻域截尾灰度均值二维直方图,通过舍弃邻域极值以避免极端噪声的干扰;依据像素的实际情况计算其为噪声的概率,实现自适应滤波以增强算法的普适性;将阈值空间转换为0°～89°的角度空间,压缩阈值搜索范围以提高算法效率。鉴于手势与背景接近且边界模糊,首先采用全局Otsu法得到全局阈值t1,然后在[t1,89°]上运用局部Otsu法得到局部阈值t2并据t2分割手势图像。实验表明:该方法的改进措施是有效的,能准确分割含噪情况不同的手势图像。5.Otsu法是脑MR图像分割中的一种常用方法,但当前的Otsu法在分割图像时往往难以兼顾准确性和抗噪性。对此,通过对梯形域截距直方图Otsu法进行改进,提出了一种自适应梯形域截距直方图Otsu法。该方法在双边滤波的基础上通过采用Sigmoid函数识别噪声而自适应地计算邻域像素的权重,进而构建灰度级-自适应权重邻域灰度均值二维直方图以增强算法的抗噪性和细节保持性;采用双层阈值模型,首先基于梯形域截距直方图Otsu法求解宏观阈值T1,然后在T1所对应的梯形域中再次运用类间方差准则确定微观阈值T2,据T2分割图像以提高图像分割的准确性;基于邻域信息设计了一种自适应的参数l以识别和修正噪声,从而增强算法的普适性。测试实验表明,该改进方法是有效的,能较好地应用于脑MR图像分割中。Otsu法是一种经典的图像分割方法,当前仍被广泛研究和应用。本文以此为选题开展深入研究,分析了 Otsu法的原理、本质与不足,提出了 5种改进Otsu法,对手势图像和脑MR图像等工程实践图像都表现了良好的分割性能。可见,本文的相关工作不仅可丰富图像分割算法理论,同时也具备良好的工程应用前景。
孙敏[8]（2020）在《基于群体智能的图像多阈值分割方法研究》文中研究指明图像分割的主要工作是把图像分成若干个具有特定性质的区域并将感兴趣的目标提取出来。在现有的图像分割算法中,多阈值法因其简单、最为直接而被广泛发展应用于多目标图像分割。但该方法计算量大且复杂度较高,严重影响分割效率。多阈值法实质上是以一定的准则在复杂的参数空间中快速寻找到最佳分割阈值,而群体智能优化算法可对复杂非线性、多维问题进行快速有效的计算,且能够在较短的时间内搜索到令人满意的全局最优解,缩短计算时间。因此,为了提高多阈值法的分割效率,将群体智能优化算法应用到图像多阈值分割成为研究热点问题。但是这类方法普遍存在寻优后期搜索速度较慢、易陷入局部最优的缺点,从而导致求解精度较低。本文针对传统的布谷鸟算法、粒子群算法以及鲸鱼算法,从不同角度进行改进,并将改进方法应用于图像分割的多阈值选取,用以提高图像分割精度和速度。主要研究成果如下:（1）基于当前种群的适应度值自适应确定布谷鸟算法的迭代步长,改进传统布谷鸟算法。传统布谷鸟算法应用于多阈值分割时,其计算量随着阈值个数的增加呈指数增长。其原因是传统布谷鸟算法采用固定的步长,而忽略了个体寻优能力的差异性。因此,本文将Levy飞行环节中的迭代步长设置为由当前种群的适应度值自适应确定,并将偏好随机游动环节中的发现概率pa设置为随着当前迭代次数和总迭代次数的改变而改变。这样的改进策略,增加了种群的多样性,使得算法寻优后期能够及时跳出局部最优,避免早熟。为了验证改进算法的效率和精度,将改进算法与经典的布谷鸟算法、Naik的自适应布谷鸟算法进行比较。实验结果表明,改进的算法能够快速选取最佳分割阈值且分割精度明显提高。（2）利用Circle映射产生的混沌扰动策略,改进达尔文粒子群算法,并用于彩色图像的多阈值分割。达尔文粒子群算法后期易陷入局部最优,导致图像分割不精确。而混沌运动具有随机性、遍历性和初值敏感性等优点,因此本文利用Circle映射产生的混沌扰动策略对全局最佳粒子位置进行修正,有效地防止算法陷入局部最优,从而加快收敛并提高搜索精度。此外,本文将最大熵作为目标函数,利用改进的算法进行寻优得到最佳阈值,实现彩色图像多阈值分割。为了阐释改进方法的优劣性,选取了三幅彩色图像,将改进算法与达尔文粒子群算法、粒子群算法以及和声算法进行对比。实验结果表明,改进算法可以准确地提取出目标,增强彩色图像的分割效果。（3）利用McCulloch方法可以高效生成稳定随机变量的特点,改进鲸鱼算法,用于遥感图像的多阈值分割过程。传统的鲸鱼算法寻优后期易出现搜索精度低,导致图像分割的效果较差。因此,本文引入McCulloch方法对当前最佳鲸鱼个体进行变异扰动,使其在最优位置附近进行精细搜索,扩大搜索范围,提高群体多样性,以平衡鲸鱼算法的全局搜索和局部搜索能力,从而提高算法的寻优精度,避免算法出现早熟收敛现象。此外,本文以最大类间方差作为目标函数,利用改进的算法进行寻优得到最佳分割阈值,将遥感图像中的关注目标准确提取出来。为了验证改进算法的寻优精度,选取了三幅遥感图像,将改进的鲸鱼算法与其他分割法进行比较。实验结果表明,改进鲸鱼算法具有较高的精度,提高了遥感图像的分割质量。图[35]表[13]参[122]
杨帅[9]（2020）在《基于改进闪电连接过程算法和多维熵的图像分割方法研究》文中研究表明图像分割是图像处理与分析的基本步骤之一,阈值分割是其中应用较为广泛的一类分割方法,但在阈值个数较多时,传统的阈值搜索算法（如穷举搜索等）往往由于解空间过大导致效率极其低下。闪电连接过程算法（LAPO）是一种新型智能优化算法,它具有寻优能力较强、参数较少等优点,本文拟采用LAPO算法实现多维度直方图下的图像多阈值分割。然而标准LAPO算法依然存在着优化能力不稳定等问题,针对标准LAPO算法存在的不足,本文提出了四种改进方案,并将其应用于以多维熵为准则的图像多阈值分割中。本文主要工作如下:1.针对标准闪电连接过程算法（LAPO）存在的不足,本文通过反向学习策略、混沌扰动策略、高斯变异策略对其进行了改进,提出了基于反向学习的闪电连接过程算法（OLAPO）、基于混沌扰动的闪电连接过程算法（CLAPO）、基于混沌初始化的闪电连接过程算法（CILAPO）、基于高斯变异的闪电连接过程算法（GLAPO）,并在标准函数优化问题上对上述改进算法进行了性能测试。2.将标准闪电连接过程算法及其改进算法应用于非噪声图像分割。实验结果表明,四种改进算法的优化能力和稳定性均有所增强,其中,OLAPO的综合表现较为突出,能够以多维熵为准则实现效果较好、稳定性较强的图像多阈值分割。3.以不同维度的熵为分割准则,并利用综合表现较好的OLAPO算法进行了噪声图像分割实验。实验结果表明,在一般情况下,三维熵分割法对噪声的抑制效果最好,同时能够保留较多的细节;一维熵分割法虽然在部分图像上能够保留较多细节,但是几乎无法抑制噪声;二维熵分割法能够在一定程度上抑制噪声,但和三维熵法相比,保留的图像细节较少;综合分析实验结果可知,基于OLAPO和三维Shannon熵的图像分割法在噪声图像中的分割效果较好。总的来看,四种改进算法的优化能力和稳定性均有所增强,能够较好地满足阈值分割需求,特别是对于噪声图像的分割,其中,基于反向学习策略的改进LAPO的图像阈值分割方案综合表现较为优异。
周青青[10]（2020）在《钢轨表面缺陷的视觉检测算法研究》文中进行了进一步梳理随着交通系统不断完善,铁路线路也不断扩展和完善,铁路运输在经济发展中已经起到至关重要的作用,因此对支撑列车运行的钢轨的安全检测也非常重要。以前传统的检测主要依赖于人工,存在一定的漏检率和误判率。近年来,随着计算机技术发展,基于机器视觉的钢轨表面缺陷检测技术逐渐取代了人工检测。由于铁路系统钢轨分布较复杂、空间较广泛,同时受到地域特点及钢轨老化等因素的影响,相机拍摄的图像受到光照环境的影响,钢轨检测仍然具有一定的困难。本文在现有表面缺陷检测算法的基础上,对钢轨表面缺陷检测算法展开了研究,主要研究内容如下:本文根据采集图片的背景和轨面亮度的特点,设计了一种基于亮度标准差与最大亮度和的钢轨定位方法对采集图片中钢轨轨面进行提取。该方法能够快速提取钢轨表面区域信息并且可以同时处理彩色图像和灰度图像,该方法具有适用性广和高效性。分析了常用的图像去噪方法,通过实验对比,采用了自适应中值滤波对钢轨图像去噪,采用了混沌天牛须算法进行图像增强,和常用的直方图均衡化法和线性变换法比较,表明本文增强算法更适于与钢轨图像处理。最后对钢轨表面特征信息进行分析,采用了基于天牛须算法的三维Otsu算法对轨面图像缺陷进行分割,利用形态学中的膨胀腐蚀运算对分割后的二值图像进行处理,根据轨面锈迹和轨面缺陷的灰度梯度特征信息,进行锈迹去除,通过连通区域标记法标记出缺陷部分。通过对实际采集的图像进行实验分析,验证了本文采用的算法的有效性,能够完成钢轨表面的复杂缺陷的快速自动分割,适用于钢轨轨面的掉块检测。
二、具有抗噪能力的图像阈值分割法（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：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（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。
三、具有抗噪能力的图像阈值分割法（论文提纲范文）
（1）基于改进二维Otsu算法的电机故障识别研究（论文提纲范文）
| 1 引言 |
| 2 基本原理 |
| 2.1 二维Otsu法原理 |
| 2.2 萤火虫算法原理 |
| 2.2.1 基本萤火虫算法 |
| 2.2.2 基于模拟退火因子的萤火虫算法 |
| 2.3 基于改进的萤火虫算法的二维Otsu图像阈值分割法 |
| 2.3.1 萤火虫算法与二维Otsu图像阈值分割算法的结合 |
| 2.3.2 算法流程图以及寻优步骤 |
| 3 实验结果及分析 |
| 4 结语 |
（3）基于活动轮廓模型的图像分割算法研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 本文研究内容 |
| 1.4 本文组织结构 |
| 第二章 图像分割相关理论 |
| 2.1 图像分割方法 |
| 2.1.1 阈值分割法 |
| 2.1.2 边缘分割法 |
| 2.1.3 区域分割法 |
| 2.2 曲线演化理论 |
| 2.3 水平集算法 |
| 2.4 活动轮廓模型 |
| 2.4.1 Snake模型 |
| 2.4.2 Chan-Vese模型 |
| 2.4.3 LBF模型 |
| 2.5 本章小结 |
| 第三章 基于固定距离水平集的LBF活动轮廓模型 |
| 3.1 水平集效率问题 |
| 3.1.1 效率问题分析 |
| 3.1.2 以往研究改进 |
| 3.2 基于固定符号距离函数的水平集算法 |
| 3.2.1 方法介绍 |
| 3.2.2 演化过程 |
| 3.3 基于局部区域固定距离水平集的LBF活动轮廓模型 |
| 3.3.1 模型改进 |
| 3.3.2 算法主要步骤 |
| 3.4 实验结果与分析 |
| 3.4.1 分割效率分析 |
| 3.4.2 分割效果分析 |
| 3.4.3 初始轮廓分析 |
| 3.5 本章小结 |
| 第四章 基于局部同向拟合的LBF活动轮廓模型 |
| 4.1 初始轮廓敏感问题 |
| 4.2 局部同向拟合法 |
| 4.2.1 方法介绍 |
| 4.2.2 演化过程 |
| 4.3 基于局部同向拟合的LBF活动轮廓模型 |
| 4.3.1 模型改进 |
| 4.3.2 算法主要步骤 |
| 4.4 实验结果分析 |
| 4.4.1 分割结果对比 |
| 4.4.2 多种初始轮廓分割对比 |
| 4.5 本章小结 |
| 第五章 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 攻读硕士学位期间的学术活动及成果情况 |
（4）二维Otsu拟合线阈值图像分割方法（论文提纲范文）
| 1 二维Otsu曲线阈值分割法 |
| 2 二维Otsu拟合线阈值分割法 |
| 2.1 算法思想介绍 |
| 2.2 算法流程介绍 |
| 2.3 迭代处理 |
| 2.4 拟合线阈值 |
| 3 实验结果及分析 |
| 3.1 分割性能实验 |
| 3.2 抗噪声性能实验 |
| 3.3 实验分析 |
| 3.4 分割质量评价 |
| 4 结论 |
（5）群体智能算法在图像分割中的应用综述（论文提纲范文）
| 1 群智能算法研究分析 |
| 1.1 群体智能算法发展概述 |
| 1.2 蚁群算法 |
| 1.2.1 蚁群算法原理 |
| 1.2.2 算法改进和研究现状 |
| 1.2.3 ACO在图像分割中改进及应用 |
| 1.3 PSO粒子群算法 |
| 1.3.1 粒子群算法原理 |
| 1.3.2 算法改进和研究现状 |
| 1.3.3 PSO在图像分割中的应用 |
| 1.4 麻雀搜索 |
| 1.4.1 麻雀搜索法原理 |
| 1.4.2 算法改进和在图像分割中的应用 |
| 1.5 其他智能算法 |
| 1.5.1 蝙蝠算法原理及图像分割应用 |
| 1.5.2 鲸鱼优化算法原理及图像分割应用 |
| 1.5.3 人工蜂群算法原理及图像分割应用 |
| 1.5.4 萤火虫算法原理及图像分割应用 |
| 1.5.5 布谷鸟搜索算法原理及图像分割应用 |
| 1.5.6 细菌觅食算法原理及图像分割应用 |
| 1.5.7 蜉蝣算法原理及应用 |
| 2 算法综合分析总结 |
| 2.1 蚁群算法综合分析比较 |
| 2.2 粒子群算法综合分析比较 |
| 2.3 其他群体智能算法综合分析比较 |
| 2.4 群体智能算法结合图像分割总结 |
| 3 总结 |
（6）基于图像处理的带式输送机故障诊断系统研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 国内外研究现状 |
| 1.3 本文主要研究内容及章节安排 |
| 第2章 带式输送机故障诊断系统设计 |
| 2.1 系统功能需求及总体框架设计 |
| 2.2 系统硬件设计 |
| 2.2.1 控制模块 |
| 2.2.2 红外采集模块 |
| 2.2.3 定位模块 |
| 2.2.4 无线传输模块 |
| 2.2.5 电源管理模块 |
| 2.2.6 上位机通讯模块 |
| 2.3 系统软件设计 |
| 2.3.1 MATLAB和LabVIEW联用 |
| 2.4 本章小结 |
| 第3章 带式输送机红外图像去噪 |
| 3.1 红外成像的原理 |
| 3.2 红外图像的特点及噪声分析 |
| 3.3 基于中值滤波和改进的小波阈值图像去噪 |
| 3.3.1 中值滤波 |
| 3.3.2 改进小波阈值去噪 |
| 3.3.3 本文采用红外图像去噪算法步骤 |
| 3.4 实验结果与分析 |
| 3.5 本章小结 |
| 第4章 带式输送机的红外图像分割 |
| 4.1 图像分割概述 |
| 4.2 常用的图像分割方法 |
| 4.2.1 Otsu分割法 |
| 4.2.2 边缘检测算子分割法 |
| 4.3 基于形态学和改进的区域生长法图像分割 |
| 4.3.1 数学形态学算法 |
| 4.3.2 改进的区域生长法 |
| 4.3.3 本文采用红外图像分割算法步骤 |
| 4.4 实验结果与分析 |
| 4.5 本章小结 |
| 第5章 带式输送机红外故障诊断 |
| 5.1 基于SVM的红外图像识别 |
| 5.1.1 SVM的基本原理 |
| 5.1.2 混合核函数 |
| 5.1.3 ICPSO对混合核函数参数优化 |
| 5.1.4 实验结果与分析 |
| 5.2 带式输送机红外故障诊断方案 |
| 5.2.1 带式输送机关键部位故障分析 |
| 5.2.2 带式输送机故障等级划分及诊断方法 |
| 5.2.3 基于拓扑矩阵修正故障诊断 |
| 5.2.4 带式输送机故障诊断流程 |
| 5.3 实验结果与分析 |
| 5.4 本章小结 |
| 第6章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
（7）Otsu图像分割法的改进与应用研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 研究现状 |
| 1.2.1 图像分割研究现状 |
| 1.2.2 阈值分割法研究现状 |
| 1.3 Otsu法存在的问题 |
| 1.4 主要内容与结构安排 |
| 1.4.1 主要内容 |
| 1.4.2 结构安排 |
| 第2章 梯形域截距直方图Otsu法 |
| 2.1 引言 |
| 2.2 相关知识 |
| 2.2.1 基于二维直方图的Otsu法 |
| 2.2.2 直线截距直方图Otsu法 |
| 2.3 集合映射原理 |
| 2.3.1 映射概念 |
| 2.3.2 逆映射与复合映射 |
| 2.4 梯形域截距直方图Otsu法 |
| 2.4.1 直线截距Otsu法原理分析 |
| 2.4.2 方法改进 |
| 2.4.3 算法流程与步骤 |
| 2.5 实验测试与结果分析 |
| 2.5.1 梯形边长r取值分析 |
| 2.5.2 图像细节保持能力分析 |
| 2.5.3 分割性能测试 |
| 2.6 本章小结 |
| 第3章 平面截距直方图Otsu法 |
| 3.1 引言 |
| 3.2 三维Otsu法 |
| 3.2.1 传统三维Otsu法 |
| 3.2.2 加权三维Otsu法 |
| 3.2.3 基于分解的三维Otsu法 |
| 3.3 平面截距直方图Otsu法 |
| 3.3.1 平面截距直方图Otsu准则 |
| 3.3.2 基于几何分析的图像分割方式 |
| 3.3.3 平面截距直方图Otsu法分割过程 |
| 3.4 实验分析 |
| 3.4.1 评价参数 |
| 3.4.2 比较分析 |
| 3.4.3 鲁棒性分析 |
| 3.4.4 算法复杂性分析 |
| 3.5 本章小结 |
| 第4章 多目标截面投影Otsu法 |
| 4.1 引言 |
| 4.2 截面投影Otsu法 |
| 4.3 分子动理论优化算法 |
| 4.3.1 算法假设 |
| 4.3.2 算法模型 |
| 4.4 基于MKMTOA的多目标截面投影Otsu图像分割 |
| 4.4.1 多目标优化问题 |
| 4.4.2 多目标截面投影Otsu模型 |
| 4.4.3 MKMTOA算法模型 |
| 4.4.4 MKMTOA与多目标截面投影Otsu法的结合与实现 |
| 4.5 实验测试与分析 |
| 4.5.1 MKMTOA性能测试 |
| 4.5.2 分割模型有效性验证 |
| 4.5.3 算法鲁棒性分析 |
| 4.6 结论 |
| 第5章 基于噪声自适应角度阈值Otsu法的手势图像分割 |
| 5.1 引言 |
| 5.2 手势分割方法 |
| 5.2.1 手势分割的背景与意义 |
| 5.2.2 主流手势分割方法 |
| 5.3 改进Otsu法及其本质分析 |
| 5.3.1 算法原理 |
| 5.3.2 算法的集合映射本质分析 |
| 5.4 噪声自适应角度阈值Otsu法 |
| 5.4.1 灰度级-邻域截尾灰度均值二维直方图 |
| 5.4.2 噪声自适应滤波 |
| 5.4.3 基于角度阈值的降维操作 |
| 5.5 手势分割实验与讨论 |
| 5.5.1 噪声自适应角度阈值Otsu法手势分割过程 |
| 5.5.2 算法改进有效性测试 |
| 5.5.3 与肤色分割法的比较 |
| 5.6 本章小结 |
| 第6章 基于自适应梯形域截距直方图Otsu法的脑MR图像分割 |
| 6.1 引言 |
| 6.2 相关知识 |
| 6.2.1 滤波算法 |
| 6.2.2 Sigmoid函数 |
| 6.2.3 梯形域截距直方图Otsu法的不足 |
| 6.3 自适应梯形域截距直方图Otsu法 |
| 6.3.1 灰度级-自适应权重邻域灰度均值二维直方图 |
| 6.3.2 双层阈值与边长r的计算 |
| 6.3.3 基于邻域信息的自适应参数l |
| 6.3.4 自适应梯形域截距直方图Otsu法的具体步骤 |
| 6.4 测试实验与结果分析 |
| 6.4.1 实验设置与图像数据集 |
| 6.4.2 改进方法有效性测试 |
| 6.4.3 分割性能比较 |
| 6.5 结论 |
| 结论 |
| 参考文献 |
| 致谢 |
| 附录A 攻读博士学位期间的科研成果 |
| 附录B 攻读博士学位期间参与的科研项目 |
（8）基于群体智能的图像多阈值分割方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 引言 |
| 1 绪论 |
| 1.1 研究背景与意义 |
| 1.2 研究现状 |
| 1.2.1 图像阈值分割法研究现状 |
| 1.2.2 基于群体智能的图像多阈值分割研究进展 |
| 1.3 本文的结构安排 |
| 2 群体智能优化算法 |
| 2.1 常见的群体智能优化算法 |
| 2.1.1 遗传算法 |
| 2.1.2 粒子群算法 |
| 2.1.3 和声算法 |
| 2.2 新型的群体智能算法 |
| 2.2.1 布谷鸟算法 |
| 2.2.2 鲸鱼算法 |
| 2.3 群体智能算法的性能测试 |
| 2.3.1 基准测试函数 |
| 2.3.2 图像分割中的测试 |
| 2.4 本章小结 |
| 3 基于改进布谷鸟算法的图像多阈值分割 |
| 3.1 多阈值图像分割的目标函数 |
| 3.1.1 最大类间方差法 |
| 3.1.2 最大熵法 |
| 3.1.3 Tsallis熵 |
| 3.2 基于改进布谷鸟算法的图像多阈值分割 |
| 3.2.1 改进的布谷鸟算法 |
| 3.2.2 改进布谷鸟算法分割流程图 |
| 3.3 实验结果的分析讨论 |
| 3.3.1 实验参数设置 |
| 3.3.2 分割性能指标 |
| 3.3.3 分割结果对比 |
| 3.3.4 分割性能对比 |
| 3.3.5 收敛速度对比 |
| 3.4 本章小结 |
| 4 基于混沌达尔文粒子群的彩色图像多阈值分割算法 |
| 4.1 达尔文粒子群算法描述 |
| 4.1.1 达尔文粒子群算法 |
| 4.1.2 混沌达尔文粒子群算法 |
| 4.1.3 CDPSO算法分割流程 |
| 4.2 实验结果的分析讨论 |
| 4.2.1 实验参数设置 |
| 4.2.2 分割性能对比 |
| 4.2.3 分割结果对比 |
| 4.2.4 收敛速度对比 |
| 4.3 本章小结 |
| 5 基于改进鲸鱼算法的遥感图像多阈值分割 |
| 5.1 改进的鲸鱼算法 |
| 5.1.1 McCulloch算法 |
| 5.1.2 改进的鲸鱼算法分割流程 |
| 5.2 实验结果的讨论分析 |
| 5.2.1 实验参数设置 |
| 5.2.2 分割结果对比 |
| 5.2.3 分割性能对比 |
| 5.2.4 收敛速度对比 |
| 5.3 本章小结 |
| 6 结论与展望 |
| 6.1 本文主要工作 |
| 6.2 未来工作 |
| 参考文献 |
| 致谢 |
| 作者简介及硕士研究生期间主要科研成果 |
（9）基于改进闪电连接过程算法和多维熵的图像分割方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 引言 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 智能优化算法研究现状 |
| 1.2.2 图像分割研究现状 |
| 1.3 论文主要内容及结构安排 |
| 1.3.1 论文主要研究内容 |
| 1.3.2 论文结构安排 |
| 第2章 闪电连接过程算法及其改进 |
| 2.1 闪电连接过程算法基本原理 |
| 2.1.1 云层中发生击穿 |
| 2.1.2 下行先导向地面移动 |
| 2.1.3 闪电分支消失 |
| 2.1.4 上迎先导的移动 |
| 2.1.5 连接点的确定 |
| 2.2 闪电连接过程算法的数学描述 |
| 2.2.1 初始化 |
| 2.2.2 确定闪电的下一跳 |
| 2.2.3 闪电分支消失 |
| 2.2.4 上迎先导的移动 |
| 2.2.5 连接点的确定 |
| 2.3 标准闪电连接过程算法的优缺点 |
| 2.4 改进的闪电连接过程算法 |
| 2.4.1 反向学习策略 |
| 2.4.2 混沌扰动策略 |
| 2.4.3 高斯变异策略 |
| 2.5 实验仿真及结果分析 |
| 2.6 本章小结 |
| 第3章 基于闪电连接过程算法和一维熵的图像分割方法 |
| 3.1 基于熵的图像分割方法基本理论 |
| 3.2 图像一维直方图 |
| 3.3 基于闪电连接过程算法和一维熵的图像多阈值分割方法 |
| 3.3.1 一维Shannon熵分割法目标函数公式化描述 |
| 3.3.2 一维Tsallis熵分割法目标函数公式化描述 |
| 3.3.3 一维Renyi熵分割法目标函数公式化描述 |
| 3.3.4 实验仿真及结果分析 |
| 3.4 本章小结 |
| 第4章 基于闪电连接过程算法和二维熵的图像分割方法 |
| 4.1 图像二维直方图 |
| 4.2 基于闪电连接过程算法和二维熵的图像多阈值分割方法 |
| 4.2.1 二维Shannon熵分割法目标函数公式化描述 |
| 4.2.2 二维Tsallis熵分割法目标函数公式化描述 |
| 4.2.3 二维Renyi熵分割法目标函数公式化描述 |
| 4.2.4 实验仿真及结果分析 |
| 4.3 本章小结 |
| 第5章 基于闪电连接过程算法和三维熵的图像分割方法 |
| 5.1 图像三维直方图 |
| 5.2 基于闪电连接过程算法和三维熵的图像多阈值分割方法 |
| 5.2.1 三维Shannon熵分割法目标函数公式化描述 |
| 5.2.2 三维Tsallis熵分割法目标函数公式化描述 |
| 5.2.3 三维Renyi熵分割法目标函数公式化描述 |
| 5.2.4 实验仿真及结果分析 |
| 5.3 本章小结 |
| 第6章 总结和展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 附录 :攻读硕士期间的科研成果 |
（10）钢轨表面缺陷的视觉检测算法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 钢轨表面缺陷检测的国内外研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.3 论文主要内容和章节安排 |
| 1.3.1 论文主要工作内容 |
| 1.3.2 论文章节安排 |
| 第二章 相关概述 |
| 2.1 铁轨表面缺陷的类型和形成机理 |
| 2.2 启发式算法 |
| 2.2.1 天牛须算法 |
| 2.3 常用缺陷分割方法 |
| 2.3.1 基于边缘检测的分割 |
| 2.3.2 阈值分割 |
| 2.3.3 其他类别分割方法 |
| 2.3.4 Otsu阈值分割算法 |
| 2.4 形态学 |
| 2.5 连通区域标记 |
| 2.6 本章小结 |
| 第三章 钢轨表面图像预处理 |
| 3.1 钢轨表面区域提取 |
| 3.1.1 现有的钢轨定位方法 |
| 3.1.2 基于亮度标准差与最大亮度和的钢轨定位方法 |
| 3.2 钢轨图像去噪 |
| 3.2.1 常用的滤波方法 |
| 3.2.2 自适应中值滤波 |
| 3.2.3 实验结果分析 |
| 3.3 钢轨图像增强 |
| 3.4 本章总结 |
| 第四章 钢轨表面缺陷检测 |
| 4.1 钢轨表面特征分析 |
| 4.2 缺陷的分割 |
| 4.2.1 基于灰度-均值-梯度共生矩阵模型的Otsu阈值分割算法 |
| 4.2.2 基于BAS的三维Otsu算法 |
| 4.2.3 锈迹滤除 |
| 4.3 钢轨表面掉块缺陷检测 |
| 4.3.1 算法实现 |
| 4.3.2 检测结果分析 |
| 4.4 本章小结 |
| 第五章 总结与展望 |
| 5.1 本文工作总结 |
| 5.2 本文工作展望 |
| 参考文献 |
| 附录A 攻读硕士学位期间的学术成果 |
| 致谢 |
四、具有抗噪能力的图像阈值分割法（论文参考文献）
- [1]基于改进二维Otsu算法的电机故障识别研究[J]. 张龙威,杨向宇. 舰船电子工程, 2021(12)
- [2]海天线检测方法综述[J]. 任继亭,李尉. 青岛远洋船员职业学院学报, 2021(02)
- [3]基于活动轮廓模型的图像分割算法研究[D]. 刘博. 合肥工业大学, 2021(02)
- [4]二维Otsu拟合线阈值图像分割方法[J]. 梁义涛,孟亚敏,朱玲艳,张猛,李永刚. 科学技术与工程, 2021(09)
- [5]群体智能算法在图像分割中的应用综述[J]. 史春天,曾艳阳,侯守明. 计算机工程与应用, 2021(08)
- [6]基于图像处理的带式输送机故障诊断系统研究[D]. 张敏. 曲阜师范大学, 2020(02)
- [7]Otsu图像分割法的改进与应用研究[D]. 肖乐意. 湖南大学, 2020
- [8]基于群体智能的图像多阈值分割方法研究[D]. 孙敏. 安徽理工大学, 2020(04)
- [9]基于改进闪电连接过程算法和多维熵的图像分割方法研究[D]. 杨帅. 湖北工业大学, 2020(12)
- [10]钢轨表面缺陷的视觉检测算法研究[D]. 周青青. 湖南科技大学, 2020(06)