道路分割 matlab,:MATLAB差分进化算法在道路图像阈值分割中的应用7068

7cae3d3e9ae6731a1a63ec5e6bf8cf90.gif:MATLAB差分进化算法在道路图像阈值分割中的应用7068

盐城师范学院MATLAB差分进化算法在道路图像阈值分割中的应用摘 要文章对以MATLAB为基础的数字图像处理技术进行研究,在这一技术主要研究了差分进化算法,将该方法在道路图像处理应用方面进行一定研究,本文所使用的技术和方法,对于今后进行深入的分析以有具体的应用有着一定的参考与借鉴。文章先对图像分割技术现状进行简要介绍,将这一技术的特点、内容等进行涵盖。对其中涉及的一些理论进行重点分析,同时利用这些方法、技术来分析、处理所采集的图像。本系统的界面简洁,交互性高。通过使用差分进化算法,能使工作量得以大大的减轻,使图像处理精度得到提升,而且这一系统的通用性很高,与之相关的图像处理,结构清楚、功能明确,将理论和实践有机联系在一起。【关键词】图像处理 差分进化算法 图像分割 遗传算法Application of MATLAB differential evolution algorithm in road image threshold segmentationAbstractIn this paper, the digital image processing technology based on MATLAB is studied. In this technology, differential evolution algorithm is mainly studied. This is studied in the application of road image processing. The techniques and s used in this paper have some reference for further analysis in detail. And the reference.First, the paper briefly introduces the current situation of image segmentation technology, and covers the characteristics and contents of the technology. Some of the theories involved are analyzed emphatically, and these s and techniques are used to analyze and process the collected images. The system has a simple interface and high interactivity. By using the differential evolution algorithm, the workload can be greatly reduced, the accuracy of image processing is improved, and the system is very versatile. The related image processing, with clear structure and clear function, connects theory and practice organically.【Key word】Image processing Differential evolution algorithm Image segmentation Genetic algorithm III目录前言1第1章 概述21.1 图像分割简介21.2 图像分割相关应用2第2章 图像分割理论42.1 分割方法42.1.1 阈值分割42.1.2 区域分割52.1.2.1 区域生长62.1.2.2 区域分裂合并62.1.3 边缘分割62.1.4 直方图法62.2 特定理论82.2.1聚类分析82.2.2模糊集理论82.2.3基因编码62.2.4小波变换6第3章 程序设计及仿真103.1 程序编写过程说明103.2 仿真运行结果分析12结论17参考文献18附录20前言所谓图像分割,是将图像划分成很多不同的独立的区域,同时将想要实现的目标进行提出的一个过程。其主要过程就是自图像处理开始,一直到图像分析。文章重点对差分进化算法进行使用,也就是在道路图像处理过程中遗传算法。现代的道路图像分析在交通方面有较广的应用,本文通过使用遗传算法,编写相关程序进行模拟,本文提供的程序能够稳定并且有效率的处理道路图像,相信可以得到更广的应用、1第1章 概述 1.1 图像分割简介所谓图像分割,是将图像划分成很多不同的独立的区域,同时将想要实现的目标进行提出的一个过程。其主要过程就是自图像处理开始,一直到图像分析。下面对一些常用的图像分割方法进行介绍,一是以阀值为基础的分割方式,二是以区域为基础的分割方式,三是以边缘为基础的分割方式,四是以特定理论为基础的分割方式。从数学视角出发,图像分割能使数字图像分割成很多不相关的子图像。这一过程从本质上来看就是标注的过程中,也就是将对于在同一位置的像素,其编号是一致的。1.2 图像分割相关应用图像分割在以下领域均有相关应用,分别包括1. 机器视觉;2. 人脸识别;3. 指纹识别;4. 交通控制系统;5. 在卫星图像中定位物体(道路、森林等);6. 行人检测;7. 医学影像,包括(1)肿瘤和其他病理的定位(2)组织体积的测量(3)计算机引导的手术(4)诊断(5)治疗方案的定制(6)解剖学结构的研究当前保留的图像分割算法有很多。但并没有能够统一解决图像分割问题的方法,这一技术通常要和特定方向的知识相结合,才能有效解决该方向存在的图像分割问题。第2章 图像分割理论2.1 分割方法2.1.1 阈值分割当前最有效的并行区域技术中的一种就是灰度阀值分割法,这一方法在分割图像中使用最多。阀值分割算法中的重中之重就是对阀值进行确定,有效的阀值,能使图像精准的分割完成。阀值确定后,对每个阀值和像素点的灰度值进行比较,同时分割不同的像素点,在分割结果中直接将图像区域得出。阀值分割的特点,一是计算起来不难,二是运算效率很高,三是运算速度快。其对于运算效率要求很高的情况下非常适用。当前最常用的阀值处理方法有很多,比如全局阀值,自适应阀值等等。对于全局阀值来说,其在分割处理的过程中,利用同一阀值来分割整个图像,在前景和背景对比度明显的图像中特别适用。它是结合整个图像得出的。这一方法的不足之处就是只对像素自身的灰度值给予关注,一般来说是对像素的空间特点不关注,因此,噪声对其产生的影响很大。一般来说,最多见的阀值选择方式四种,一是峰谷法,二是最小误差法,三是最大类间方差法,四是最大熵法等。在很多情形下,图像位置不同的背景的对比度也是不一样的,此时只能通过一个阀难来将物体和背景分开是不容易的。这必须对图像局部特征进行分析,对于位置的不同,其采取的阀值也是不一样的。在具体操作过程中,要将其划分成很多不同的区域,对不同的阀值进行选择,也可以结合一定的区域,来对不同位置的阀值进行选择,这就是所谓的自适应阀值。选择阀值的过程中可以结合实际情况来进行,一般来说,可以进行一些实验来对其分析。针对既定的图像来说,对直方图进行分析,能够将阀值进行确定,比如直方图中的峰值很显著,这时能够阀值可以以峰之间的中点为主。图2-1全局阈值与自适应阈值对比2.1.2 区域分割 对于串行技术来说,其有2种方法,一是区域生长,二是分裂合并,对于图像分割之后的下一步操作大多是以前期的操作来确定的。2.1.2.1区域生长对于区域生长来说,就是把性质差不多的像素点有机联系在一起。对于每个子区域先找一个像素点作为该区域的生长起点,再筛选种子像素附近的与种子像素类似或

你可能感兴趣的:(道路分割,matlab)