2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩70頁未讀 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、本論文主要進行水聲圖像處理和模式識別領域的算法研究和開發(fā)。包括圖像處理的基本算法、基于脈沖耦合神經網絡(PCNN)的圖像處理算法、形態(tài)學圖像處理算法及目標識別算法。 本文所研究了圖像處理的基本算法中圖像的旋轉和非整數(shù)倍縮放算法并將其用于實現(xiàn)目標識別的旋轉不變性和尺度不變性。灰度直方圖均衡用于解決水聲圖像通常較暗這一問題。本文提出了一種新的二值化算法叫做直方圖平滑二值化算法,并將其推廣實現(xiàn)了圖像的快速多閾值分割。此外,還對一種自適

2、應確定二值分割閾值的Otsu算法進行深入研究,并廣泛用于本文的其它部分。 PCNN算法是目前圖像處理領域中一種較新的算法,是圖像處理算法中的熱門課題。本文對基于PCNN二值圖像邊緣提取、細化和去噪算法進行了重點研究,其中二值圖像去噪算法是對同行提出的基于PCNN的灰度圖像去噪算法中的關鍵參數(shù)進行改進而實現(xiàn)的,達到了很好的去噪效果。 對于形態(tài)學圖像處理進行了廣泛深入的研究,利用二值形態(tài)學的開啟、閉合操作為后續(xù)的目標識別提供

3、了高質量的中間結果。將形態(tài)學平滑算法、形態(tài)學梯度算法與對應功能的常規(guī)算法進行比較分析,闡明了它們各自優(yōu)缺點和特性。將高帽變換用于側掃聲納圖像目標的預處理,將陰影區(qū)作為目標特征以用于目標識別。 最后在上述各種算法基礎之上計算區(qū)域的特征向量,開發(fā)出了側掃聲納目標自動探測算法,高度對稱目標自動識別算法和矩形與(橢)圓形區(qū)域自動分類識別算法。在矩形與(橢)圓形區(qū)域自動分類識別算法部分提出了一種新的無孔區(qū)域周長算法,解決了周長計算中的陷阱

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論