图像阈值分割造句

• 基于模糊增强的图像阈值分割
• 二维shannon信息熵法是图像阈值分割中常用的经典算法，但存在着不足。
• 本文针对复杂场景图像目标的跟踪算法做了深入的探讨，研究并采用了“形心” 、 “相关”两种跟踪方法，对图像阈值分割、灰度图像匹配以及搜索策略等方面进行了实验研究。
• 本文讨论了目前遗传算法应用于图像分割的现状，给出了几种遗传分割算法的原理、过程、实验结果及分析；介绍了图像边缘检测、图像阈值分割的各种算法，并给出了对比分析；对遗传算法的基本概念和研究进展进行了综述，提出了一种新的遗传分割算法，得到了理想的结果。
• 图像阈值分割是一种广泛应用的分割技术，利用图像中要提取的目标区域与其背景在灰度特性上的差异，把图像看作具有不同灰度级的两类区域(目标区域和背景区域)的组合，选取一个比较合理的阈值，以确定图像中每个像素点应该属于目标区域还是背景区域，从而产生相应的二值图像。
• 本文根据智能交通控制与仿真对于交通流量、车辆到达率、车辆速度等交通信息检测的需求,基于视频图像进行了交通信息处理的算法研究与实现,主要工作包括以下几个方面:将先锋遗传算法应用到图像阈值分割中,利用先锋遗传算法寻求全局最优阈值,可以比较准确的将图像中不同灰度的车辆从背景中分离出来;采用支持向量机理论进行了车辆自动分类的仿真研究,仿真结果证明该方法能够比较准确的将车辆的类型进行识别;改进了基于背景自动更新的虚拟检测区域算法,提高了车辆检测的实时性和准确性;并对基于虚拟检测区域的图像处理算法实现进行了详细说明;论文中还介绍了基于灰度连续性的运动车辆特征提取算法进行车辆的特征提取以及采用彩色过滤器同灰度图处理相结合的定位方法进行车辆牌照定位的实现方法。