首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机软件论文--程序设计、软件工程论文--程序设计论文

基于聚类分析的原木端面区域识别方法的研究与实现

摘要第7-9页
Abstract第9-11页
1 绪论第12-18页
    1.1 研究意义第12-13页
    1.2 研究现状第13-16页
        1.2.1 原木端面识别方法的国内研究现状第13-14页
        1.2.2 基于聚类分析的图像处理现状第14-16页
    1.3 研究内容与结构安排第16-18页
2 K-means聚类与FCM聚类的图像分割理论基础第18-33页
    2.1 颜色空间基础第18-20页
        2.1.1 RGB颜色空间第18-19页
        2.1.2 Lab颜色空间第19-20页
    2.2 K-means聚类与FCM聚类算法第20-30页
        2.2.1 聚类基础理论第20-24页
        2.2.2 K-means聚类第24-26页
        2.2.3 模糊聚类(FCM)基本原理第26-30页
    2.3 Hough变换第30-32页
        2.3.1 Hough变换检测圆第30-32页
    2.4 本章小结第32-33页
3 CFSFDP算法结合多尺度多元图像分析方法的理论基础第33-48页
    3.1 基于高斯多尺度图像表示的多元图像分析第33-36页
        3.1.1 高斯多尺度图像表示第33-34页
        3.1.2 构造高斯多尺度多元图像的方法第34-36页
    3.2 图像特征提取与描述第36-38页
    3.3 基于密度的聚类算法--CFSFDP算法第38-47页
        3.3.1 算法基本原理第38-42页
        3.3.2 核函数第42-44页
        3.3.3 CFSFDP算法步骤第44-47页
    3.4 本章小节第47-48页
4 K-means聚类与FCM聚类的实验以及结果分析第48-56页
    4.1 基于K-means聚类的原木端面区域识别第48-52页
        4.1.1 RGB颜色空K-means聚类第48-50页
        4.1.2 Lab颜色空K-means聚类第50-52页
    4.2 基于FCM聚类的原木端面区域识别第52-54页
    4.3 本章小节第54-56页
5 CFSFDP算法结合多尺度多元图像分析的实验以及结果分析第56-70页
    5.1 基于CFSFDP算法的原木端面区域识别第56-64页
        5.1.1 彩色图像预处理第56-57页
        5.1.2 像素点的特征提取第57-59页
        5.1.3 基于CFSFDP算法的实现第59-64页
    5.2 图像分割质量第64-67页
        5.2.1 主观评价第64-66页
        5.2.2 偏差法第66-67页
    5.3 原木轮廓识别第67-69页
    5.4 本章小结第69-70页
6 结论与展望第70-72页
    6.1 研究工作总结第70-71页
    6.2 本文的创新之处第71页
    6.3 讨论第71-72页
参考文献第72-75页
致谢第75-76页
在校期间研究成果与奖项第76页

论文共76页,点击 下载论文
上一篇:基于数据挖掘的间歇性煤造气生产分析及异常诊断研究
下一篇:低碳经济视角下福建省林业产业结构与林业经济协同发展研究