竹子病害图像分割算法研究
摘要：图像分割，其作用是把反映物体真实情况的、占据不同区域的、具有不同特性的目标区分开来，并形成数字特征。图像分割是图像识别和图像理解的基本前提步骤，图像分割质量的好坏直接影响后续图像处理的效果，甚至决定其成败，因此，图像分割的作用是至关重要的。针对作物幼苗及其土壤背景颜色区别的不明显现象，提出了基于分数阶流形学习理论的图像分割算法。利用分数阶PCA统计训练图像的协方差矩阵的特征向量和特征值，对原始的RGB图像进行灰度化和归一化，再用CV模型对每一通道的PCA灰度化图像进行图像分割。
关键词：图像；图像分割；为了实时而准确地分割高分辨率图像,提出一种基于FCM的图像分割方法。；MATLAB；
前言
1.1引言
图像分割就是指把图像分成各具特性的区域并提取出感兴趣目标的技术和过程。它是图像处理、模式识别和人工智能等多个领域中的重要课题，也是计算机视觉技术中首要的、重要的关键步骤。图像分割的应用非常广泛，几乎出现在有关图像处理的所有领域。他把图像分成若干个特定的、具有独特性质的区域并提出感兴趣目标的技术过程。它是由图像分割到图像分析的关键步骤。现有的图像分割方法主要分以下几类:基于阀值的分割方法、基于区域的分割方法、基于边缘的分割方法以及基于特定理论的分割方法等。图像分割后提取出的目标可以用于图像语义识别，图像搜索等领域图像分割是图像处理领域的重点和难点,是从图像处理到图像分析的关键技术,是许多智能化图像分析系统中不可或缺的一步。从静止图像和运动图像两方面对图像分割的算法加以概括总结,指出图像分割技术在抗干扰性、鲁棒性、实时性和自适应性等方面的发展变化,支持向量机(SVM)方法和贝叶斯(Bayesian)决策理论[4]。
1.2选题的背景和意义
图像分割就是指把图像分成各具特性的区域并提取出感兴趣目标的技术和过程。它是图像c处理、模式识别和人工智能等多个领域中的重要课题，也是计算机视觉技术中首要的、重要的关键步骤。图像分割的应用非常广泛，几乎出现在有关图像处理的所有领域[9]。
被应用到不同的领域中,技术也变得更加完善。,使数字图像处理技术更好的适应时代的发展,将数字图像处理技术更好运用到各个行业中,促进各行业的健康发展,也可以更好的带动我国科技领域的发展[1]。图像分割应用广泛，医学图像分割方法与理论众多,基于边界、阈值、区域增长、统计学、图论、活动轮廓、信息论、模糊集理论、神经网络的医学图像分割方法,这些方法各有优劣,部分已成为临床基本的图像分割技术。近年来许多学者对经典的分割方法进行改良,通过多种分割方法结合,有效提高了分割的效率,或改进算法弥补原有分割方法缺陷。随着计算机计算性能的提高,各种新的算法将不断涌现[2]。
以上是毕业论文文献综述，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。
