基于超像素聚类的图像分割算法任务书

 2021-08-19 11:08

1. 毕业设计(论文)主要目标:

首先,明确SLIC超像素分割算法、DBSCAN聚类算法和谱聚类算法的定义以及流程,并使用Matlab软件编程分别实现;其次,针对两种聚类算法计算复杂度高、耗时多的问题,运用SLIC超像素分割算法和Nystrom谱聚类算法降低复杂度又不会影响结果精确度的特点,提出把SLIC超像素分割算法分别与DBSCAN聚类算法和Nystrom谱聚类算法相结合的思想,提出两种新的图像分割算法:联合SLIC超像素和DBSCAN聚类的图像分割算法、联合SLIC超像素和Nystrom谱聚类图像分割算法,并用Matlab软件编程实现;再次,把编制的两种基于超像素聚类的图像分割算法应用于不同类型的图像(包括自己拍的日常生活中的图像)中。通过对参数的不断测试,改进两种基于超像素聚类的图像分割算法,选取若干个不同类型、不同用途、不同功能的图像进行处理,并根据实际需求设置相应的参数实现对算法的优化,研究参数的不同取值对算法性能的影响;最后,对两种算法对不同类型图像的处理结果进行讨论,对比两种算法的优点和缺点并分析原因,提出两种算法适用的图像类型,做出算法下一步改进计划以及对未来的展望。

剩余内容已隐藏,您需要先支付 5元 才能查看该篇文章全部内容!立即支付

2. 毕业设计(论文)主要内容:

1.总结图像分割问题的国内外研究现状,比较几种常用方法的优缺点,分析超像素分割算法、DBSCAN聚类算法和谱聚类算法解决该类问题的优势与劣势。

2.理解超像素分割算法和聚类算法的基本原理,掌握SLIC超像素分割算法、DBSCAN聚类算法和谱聚类算法的实现方法,总结超像素分割算法和聚类算法的特点、应用领域和国内外研究现状(包括目前已有的改进方法)。

剩余内容已隐藏,您需要先支付 5元 才能查看该篇文章全部内容!立即支付

3. 主要参考文献

[1]罗希平, 田捷, 诸葛婴,等. 图像分割方法综述[J]. 模式识别与人工智能, 1999(3):300-312.

[2]梁利利. 变电站红外图像的识别与故障诊断[D]. 西安科技大学, 2010.

剩余内容已隐藏,您需要先支付 5元 才能查看该篇文章全部内容!立即支付

以上是毕业论文任务书,课题毕业论文、开题报告、外文翻译、程序设计、图纸设计等资料可联系客服协助查找,微信号:bysjorg 、QQ号:3236353895;