傳統(tǒng)模糊聚類的圖像分割方法,如模糊C-均值聚類算法因魯棒性差、易受噪聲影響難以滿足抗噪性與細(xì)節(jié)保留性之間平衡的實際需求,現(xiàn)有研究者們多基于該算法進行改進,加入含有像素局部空間鄰域信息或非局部空間鄰域信息的目標(biāo)函數(shù),使用控制參數(shù)連接多個目標(biāo)函數(shù),該控制參數(shù)的優(yōu)選導(dǎo)致難以準(zhǔn)確獲取最優(yōu)解從而影響其圖像分割的效果�；诙嗄繕�(biāo)進化算法具有全局搜索的求解性能,可將模糊聚類的圖像分割轉(zhuǎn)化為多目標(biāo)優(yōu)化問題,無需控制參數(shù)即可同時優(yōu)化多個目標(biāo)函數(shù),能利用更多圖像信息解決像素分布復(fù)雜等問題,提高圖像分割的各項性能,并取得在復(fù)雜圖像信息的抗噪性能與細(xì)節(jié)保留之間的平衡。因此本文針對模糊聚類的圖像分割算法進行了研究,以分解的多目標(biāo)布谷鳥算法為框架,提出一種基于多目標(biāo)布谷鳥模糊聚類的圖像分割算法,并將其應(yīng)用于機器視覺的磨削樣塊表面粗糙度測量中。論文主要研究內(nèi)容如下:（1）從基于邊緣、區(qū)域、特定理論、聚類的四類圖像分割方法和基于機器視覺的表面粗糙度測量國內(nèi)外研究現(xiàn)狀進行綜述,分析了模糊聚類的圖像分割算法在處理較強噪聲水平的圖像中存在的問題,從而確定論文研究內(nèi)容和思路。（2）針對結(jié)合局部空間鄰域信息與結(jié)合非局部空間鄰域... 

【文章來源】：湖南大學(xué)湖南省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：77 頁

【學(xué)位級別】：碩士

【部分圖文】：

用戶登陸界面

圖像采集系統(tǒng)界面

圖5.4分割系統(tǒng)模塊界面

【參考文獻】：
期刊論文
[1]粗糙度關(guān)聯(lián)的圖像特征指標(biāo)性能評價方法研究[J]. 路恩會,劉堅,王衛(wèi)芳,易懷安,張航.  儀器儀表學(xué)報. 2017(08)
[2]多目標(biāo)布谷鳥搜索算法[J]. 賀興時,李娜,楊新社,余兵.  系統(tǒng)仿真學(xué)報. 2015(04)
[3]云環(huán)境中基于布谷鳥搜索算法的多目標(biāo)任務(wù)調(diào)度方案[J]. 吳國芳.  計算機應(yīng)用研究. 2015(09)
[4]基于互補空間信息的多目標(biāo)進化聚類圖像分割[J]. 趙鳳,劉漢強,范九倫.  電子與信息學(xué)報. 2015(03)
[5]基于LabVIEW和Matlab混合編程的在線通信原理實驗平臺[J]. 曹慧露,曾佳,朱文錦,梁巖,黃銘.  實驗室科學(xué). 2014(06)
[6]改進Prewitt算子圓錐面邊緣高精度檢測算法[J]. 古意昌,徐杜,蔣永平.  計算機工程與應(yīng)用. 2013(22)
[7]抗噪Roberts算子邊沿檢測器[J]. 畢卓,韓冰.  計算機技術(shù)與發(fā)展. 2013(06)
[8]無監(jiān)督模糊C均值聚類自然圖像分割算法[J]. 紀(jì)則軒,潘瑜,陳強,孫權(quán)森,夏德深.  中國圖象圖形學(xué)報. 2011(05)
[9]基于加權(quán)歐式距離的kmeans算法研究[J]. 張忠林,曹志宇,李元韜.  鄭州大學(xué)學(xué)報(工學(xué)版). 2010(01)
[10]一種人臉表情分類的新方法——Manhattan距離[J]. 李俊華,彭力.  計算機工程與應(yīng)用. 2008(02)

博士論文
[1]基于色彩信息的機器視覺粗糙度檢測方法研究[D]. 易懷安.湖南大學(xué) 2017

碩士論文
[1]基于機器視覺與機器學(xué)習(xí)的磨削齒面粗糙度測量研究[D]. 臧俊濤.湖南大學(xué) 2018
[2]布谷鳥搜索算法的改進研究[D]. 馬燦.湖南大學(xué) 2017
[3]基于LabVIEW和Matlab的圖像去噪研究[D]. 楊小靜.湖南師范大學(xué) 2014



本文編號：2985591