一、基于颜色相似系数的彩色图像分割方法（论文文献综述）
杨超儒[1]（2019）在《基于视觉的足球机器人目标识别与路径规划研究》文中进行了进一步梳理机器人足球比赛是足球运动与机器人学、人工智能、行为决策等高新技术相结合的产物,是一个很好的实践平台。本文以小型组足球机器人为研究对象,主要研究视觉相机的标定、彩色图像分割的阈值校准、机器人场地的校准、机器人位姿的确定和机器人路径规划。本文的主要研究内容如下:首先,为了提高相机校准精度,提出了一种使用平均像素误差来衡量标准精度的方法,并采用张正友棋盘法对相机完成了参数标定。针对光照对彩色图像分割阈值影响的问题,提出了一种阈值分量标定方法,并进行了对比试验。其次,建立了图像坐标系与场地坐标系转换数学模型,针对设备安装过程中相机与场地之间存在的偏转问题,对数学模型进行了修正。提出了一种基于形状模板匹配的场地标定方法,并且对场地进行了校准实验。再次,建立了适用于本文机器人色标的位姿描述数学模型,并对机器人高度造成的实际位置与目标识别位置之间的差值进行了补偿,对机器人的位置、方向角和标号进行了识别实验。最后,研究了机器人路径规划的常用方法,在人工势场法的基础上,针对其收敛速度的问题,建立了步长评价函数,将机器人相邻两步的受力及机器人的方向角引入步长评价函数,并进行了对比试验。
罗微[2]（2019）在《基于图像多特征模式识别的木材分类分选算法研究》文中研究指明我国林业资源相对匮乏,但目前国内主流木材加工厂的加工备料方法过于简单粗放,模式传统,致使原材料的加工利用率不高,加工生产效率较差。为有效的提高木材利用率、提高木材生产效率,本文基于多特征模式识别木材分类分选,通过将待选木材图像按树种进行检索分类,从而进一步按照提取的缺陷类别及检量标准实现基于机器视觉的木材等级分选。现有的基于机器视觉的木材缺陷分等,皆为按照缺陷本身形态特征参数对木材等级分选,并未实现在木材树种分类的基础上分等优选,这同生产实际的木材分等检量标准操作是不相符的。针对上述问题,本研究在对木材树种判别的基础上,对木材图像进行缺陷分类,根据针叶树材与阔叶树材缺陷类型的不同,按照提取的缺陷面积检量参数,将木材分为特等、一等、二等和三等。本研究在120个树种中选取有代表性的50个中国常见树种,每个树种对应径切面和弦切面两幅图像,作为检索实验的研究对象,构建多类树种样本库1。再采集5个东北常见树种的样本,制作这5个树种的2种切面（径切、弦切）的木材图像,每个树种100个,共计1000幅,其中包括104个死节、40个活节、72个虫害、92个裂纹缺陷图像,构建样本库2。研究内容及实验结果主要为:（1）为实现木材树种检索判别,本文研究了木材图像检索的颜色与纹理特征提取与相似度匹配判别方法。结合木材材色与纹理的自身特点,提出了适合木材树种判别的匹配检索方法。利用基于颜色空间非等间隔量化的主色调特征提取方法,可以对颜色分布范围较窄、树种间颜色差异相对细微的木材图像进行特征匹配,从而达到更为理想的检索判别效果。在经过颜色特征检索后,进一步利用6个纹理特征包括:对比度（CON）,二阶角矩（ASM）,方差和（SV）,长行程加重因子（LRE）,分形维数（FD）,小波水平能量分布比重（EPLH）构建特征量体系以实现进一步检索,通过实验结果分析可知,分步检索可令检索判别结果趋近于更高的精准度。（2）提出了一种针对木材图像缺陷二值化局部阈值分割算法,该算法采用计算窗口模板均值、标准差、以及极值来计算各点阈值。实验结果表明,本研究提出的算法针对复杂背景木材图像缺陷分割具有良好的性能,性能明显优于全局阈值、Bernsen算法,略高于Niblack算法和Sauvola算法。算法对木材图像的缺陷分割精度可达92.58%,更适用于材色或光照不均一、有纹理噪声干扰等背景的木材缺陷图像。（3）在缺陷分割基础上,根据不同木材缺陷特异性的采用形态学方法进一步的改善缺陷提取效果,在大幅度的减少噪声的基础上,最大程度还原了缺陷二值特征。并利用形态学函数有效提取缺陷的长度、宽度、数量及位置等相关参数。（4）木材图像缺陷检测分类部分采用了 3种模型:BP神经网络模型、SVM支持向量机分类模型、CNN卷积神经网络模型。BP神经网络通过分别提取了 LBP特征以及HOG-LBP融合特征实现分类,分类准确率最高为50%。SVM分类模型提取了 HOG特征、LBP特征以及HOG-LBP融合3组特征,而以HOG-LBP融合特征实现缺陷分类效果明显优于采用HOG或LBP单一特征。分别采用4种核函数基于HOG-LBP融合特征实现分类,通过实验发现多项式核函数及高斯核函数分类性能最好,准确率均为98.68%。CNN卷积神经网络模型输入层维度512× 512× 3,采用尺寸为9× 9的1、0相间的卷积核,分别验证了其层数为2-4层时的分类准确率。采用CNN卷积神经网络测试最优为4层结构,分类准确率为98.68%。（5）通过对实验参数的优化设计,以及训练过程的监督及实验结果的比对分析,验证了不同模型的性能及优势所在。通过比对分析,认为BP神经网络虽为传统经典模型,但对于木材缺陷的HOG特征、LBP特征以及HOG-LBP融合特征并不敏感,因此,在当前特征提取情况下,不太适用于木材模型分类。CNN卷积神经网络模型及SVM支持向量机模型较之更适合木材缺陷检测分类,其对木材缺陷的检测及分类具有较高的分类准确率。
刘会敏[3]（2018）在《颜色识别技术在BV四联诊断中的应用研究》文中提出BV的英文全称是Bacterial Vaginitis表示细菌性阴道病,是一种常见的妇科疾病。医学常常利用人的眼睛来识别指示剂与提取液反应后的颜色变化,从而进行BV诊断,但是人眼的分辨率以及对颜色敏感程度的局限性使得这种检测方法对BV病情的诊断结果存在有较大的误差。本文旨在研究一套新型的反应孔颜色识别算法,有效的找到与待测反应孔颜色最为接近的标准色块,能够更加精确的输出待测项目的检测浓度,实现患者病情的准确诊断。为此,本文主要进行了以下的研究工作:（1）根据样本条上面的反应孔与反应板卡边框的颜色存在着较大差异的特点,分别将图像在Lab颜色空间和HSV颜色空间上面进行分割,然后再将分割结果进行合成,进而就能够得到各个目标区域。（2）采用基于L分量的LC显着性检测算法将图像的高光区域进行去除,提高图像质量,为后续的图像处理工作做好准备。（3）基于HSV颜色空间和Lab颜色空间,结合布尔矩阵的构造方法建立布尔矩阵,求出待测色块与该项目的各个标准色块之间的相似系数,通过对相似系数的比较分析,找出与待测色块颜色最为接近的标准色块,得出该项目的检测结果。实验数据表明,本文提出的颜色识别算法能够快速有效的识别出与待测色块颜色最接近的标准色,完成BV诊断中颜色识别这一重要环节。
马远扬[4]（2016）在《基于胶囊内窥镜图像的出血病灶检测算法研究》文中研究说明如今,肠胃疾病已经成为人类健康的一大威胁。机械式内窥镜作为传统肠胃疾病的检测手段,不仅操作不方便,也给患者带来身体上的痛苦。随着半导体技术、无线通信技术、集成电路技术等技术的发展,胶囊内窥镜问世了,并很快在肠胃疾病的检测方面取得得天独厚的优势。然而胶囊内窥镜一次检测产生的消化道图像数量达几万张之巨,由医护人员来逐一查看,给医务人员带来沉重负担的同时,还会增加误诊率。针对这些问题,本文在介绍了胶囊内窥镜和基于胶囊内窥镜图像的出血病灶检测技术的国内外研究现状的基础上,对基于胶囊内窥镜图像的出血病灶检测技术进行了深入的研究,主要的工作包括:图像的预处理、基于颜色特征的感兴趣区域提取、基于颜色相似性和连通域面积的分类识别,实现了基于胶囊内窥镜图像的出血病灶检测算法。传统的基于胶囊内窥镜图像的出血检测算法主要有两种,一种是将图像分割为固定大小的区域,这种机械的划分会破坏图像本身含有的边界信息,导致准确度不高;另一种是在整幅图像上进行模板运算,这种算法可以最大限度反映原始图像的信息,然而由于数据量大,导致检测算法速度过慢。本文兼顾算法的速度和图像的原始边界信息,首先在RGB颜色空间利用颜色边界盒进行感兴趣区域提取,减少图像的冗余信息,然后利用感兴趣区域的颜色相似性系数和连通域面积组成的分类器,对感兴趣区域进行分类,在保证检测准确率的前提下提高了检测速度。最后,本文通过实验验证算法,结果表明:算法的灵敏度达到了91%,特异性达到88%,基本实现了胶囊内窥图像出血病灶的自动检测,可应用于实践治疗中。
曹凤[5]（2015）在《基于组织切片细胞的彩色图像分割算法研究》文中研究指明图像分割算法的研究是进行图像识别与分析的第一步，分割算法的选取将会直接影响图像处理后期的处理结果。所以在图像处理分析研究过程中，关于图像分割算法的优化改进成为研究人员研究的主要对象。针对彩色组织细胞这个研究对象，转换成灰度图像后包含的信息比较单一，不能得到完整的分割结果彩，为了寻求最优的分割算法，最终选择以组织细胞的彩色图像为研究背景，然后利用彩色组织细胞图像自身的特征性质，如图像中组织细胞的轮廓特点、颜色分布等特性来选择分割算法，进而达到疾病的诊断、预防以及研究的目的。针对采集到的彩色组织细胞图像的特点，通过算法比对，最终选择HSV颜色空间。组织细胞图像背景内部含有大量的杂质噪声，需要对图像进行预处理，首先依次对图像进行均衡化、平滑、锐化和增强的处理，然后选择最优的图像滤波方法，在滤波阶段选择了一种双边滤波与小波滤波结合的分频滤波算法。通过对各种彩色图像分割方法进行了系统论述，并比较各自算法的优缺点，论文将一种结合小波变换和数学形态学重建的分水岭算法应用于彩色组织切片细胞。采用改进的二代小波提升算法，利用小波变换法的窗口随频率变化的特点，对图像进行滤波；接着利用形态学中的开闭重建运算，去除图像中的小斑点，修改图像的局部极大值，达到二次去噪与平滑的作用；最后采用改进的标记二次分水岭分割算法，对前景与背景进行标注，对图像进行分割。通过对所选的算法进行Matlab软件的仿真，可以看出本论文确定的算法对于彩色组织细胞图像有很好的分割效果。彩色组织细胞最终分割出的边界信息特别明显，并且图像中的噪音都得到了很好的滤出。该算法保存了分水岭算法边缘定位准确和边界不间断的优点，又尽可能地避免了过分割的现象，对于死细胞边缘有很好的抑制作用，得到了整个图像的大部分真实的边界信息。
陶胜[6]（2013）在《颜色相似系数的目标提取与颜色替换》文中提出探讨利用区域生长进行目标提取,提出一种基于颜色相似系数的区域生长算法,该算法以待判别点与种子点的颜色相似系数大于给定阈值作为生长准则,给出颜色相似系数的定义及计算公式,对提取的目标进行颜色替换,并应用Matlab软件编程实现。运行结果表明效果不错。
谢彦斌[7]（2013）在《基于模糊相似矩阵的尿糖试纸颜色识别研究》文中研究表明随着人们生活水平的日益提高,生活中患糖尿病的病人越来越多,所以找出一种能够及时、经济、便捷地监测糖尿病尿糖程度的方法成为一个亟需解决的问题。医学上有一种可以通过肉眼观察浸过尿液的尿糖试纸的颜色变化的方法来监测尿糖,但是人眼观察有时误差会比较大。随着计算机技术的发展和图像拍摄设备的更新换代,我们可以用相机把颜色变化后的试纸和标准色所在的试管拍摄下来,通过计算机程序自动识别出试纸的颜色变化,判断出试纸颜色与哪种标准色更接近,减少人眼产生的误差,进而达到监测尿糖程度的目的。对此,针对以上问题,本文主要进行了以下学习和研究工作：（1）针对所拍摄的试纸和试管的颜色跨度较大的特点,在进行图像分割时利用Lab颜色空间,在a、b空间分别分割然后再合并在一起,进而得到含有目标区域的二值图像。（2）首先利用数学形态学的方法把二值图像中的较小噪声去除掉,然后利用连通域中的面积法以及连通域最小外接矩形边长法去除二值图像中较大的噪声,得到最终的目标二值图像。（3）结合连通域的中心点坐标,利用数学中斜率以及方差的知识,判断出不在标准色确定的直线上的点,进而把待识别的试纸与标准色进行归类。（4）利用HSV颜色空间模型,结合模糊数学中构造模糊相似矩阵的13种方法,求出待识别试纸部分与6个标准色部分的模糊相似系数,通过系数对比,最大的系数所对应的标准色即为待识别试纸的最接近颜色。（5）结合对实验图像的处理以及实验数据的分析,总结出选择颜色识别方法的原则,并且得出利用最大最小值法或算术平均法作为主识别法,而兰氏距离法作为辅助识别方法的结论,只有这样对颜色进行识别才能达到预期的效果。
刘辉[8]（2012）在《转炉炼钢吹炼数据预测中火焰图像多特征提取方法研究》文中研究说明转炉吹炼数据预测能够有效地对终点进行判断控制。随着数字图像处理技术的快速发展,利用火焰图像得到吹炼数据的方法被许多学者所关注。吹炼过程中,熔池内的温度变化,碳、磷等化学元素的氧化速度变化,必然会从火焰上表现出来,形成炉口火焰的颜色、亮度、形状、长度等特征的变化。构建适当的特征描述子,准确表达火焰特征值随温度、碳、磷变化的特点,是基于火焰图像分析的转炉吹炼数据预测的关键所在。火焰的燃烧过程快速动态变化,具有短暂的稳态瞬间；边界线的变化既表现在其外形轮廓的宏观形态方面,又体现在小尺度范围内有意义的拐点变化；火焰的纹理是一种非周期的自然纹理,表现为随机微纹理的特点,这些都成为提取火焰图像特征值的难点。本文旨在对解决这一难点问题展开较为深入的研究,并提出一些新的方法和改进,论文的主要内容如下：1、火焰图像在采集过程中,光路上的烟尘及杂质可能影响火焰图像的清晰度,研究基于数学形态学的彩色火焰图像预处理方法。在分析二值形态学和灰度形态学图像处理算法和原理的基础上,将灰度矢量形态学图像处理推广至彩色矢量形态学处理,提出了基于均匀空间色差度量的矢量形态学图像处理方法。根据在均匀的Lab色彩空间中,颜色之间视觉上的差距与颜色坐标上的欧几里得距离成正比的特点,将量化后的色差大小作矢量排序的准则,然后利用四元数法建立彩色图像模型和形态学结构元素模型,在此基础上定义新的彩色形态学腐蚀、膨胀、开、闭运算子,利用定义的形态学图像处理方法对彩色测试图像作去除椒盐噪声,边界提取等预处理,并与已有方法进行图像处理效果的对比,表明本文方法能较好地提取边界和去除椒盐噪声。2、对彩色火焰图像做分割处理和色度信息提取。分别利用色彩相似度系数评定方法和欧几里得距离判定的方法分割火焰和背景,并对其性能进行评价。在彩色火焰分割的基础上,统计火焰色彩的三阶矩特征,利用广义回归神经网络（generalized regression neural network,GRNN）建立基于色彩信息的吹炼预报模型,并与色彩均值方法识别结果作比较,分析比较证明火焰三阶矩特征具有较好的运行速度和预测精度,可以作为彩色火焰色度信息的特征值。3、为了准确表达火焰边界弯曲复杂程度,描述熔池内碳的氧化速率。定义一种差分链码曲率计算方法,能准确表达火焰边界的弯曲度,同时为了消除边界小尺度拐角对曲率计算精度的影响,提出采用多边形重建的方法对火焰边界进行重构,在保证火焰外形轮廓的同时,能有效去除干扰拐点。提取转炉火焰在不同吹炼时期的边界复杂度特征,用广义回归神经网络建立基于火焰边界复杂度的吹炼数据预报模型,对比线不变矩、圆形度边界描述方法,分析和对比证明本文方法的有效性,可用于提取火焰边界复杂度特征值。4、为了表达火焰纹理粗糙度,用于描述熔池内杂质的氧化速率及燃烧的状态,提出了基于灰度差分统计的纹理复杂度描述方法,给出一种适用于随机微纹理处理的差分统计策略。在此基础上,建立灰度差分直方图,计算其特征值,由于熵值代表了复杂度的概念,符合本文应用的场合,利用广义回归神经网络建立基于纹理复杂度熵值特征的转炉吹炼数据预报模型,对比Laws纹理、灰度共生矩阵方法的预测结果,分析和对比本文方法的有效性,可用于提取火焰纹理复杂度。5、设计基于图像识别的转炉吹炼数据预测系统,包括硬件结构和软件功能。设计了系统的硬件组成、结构。利用MATLAB GUIDE可视化操作平台设计操作界面,编写回调函数火焰图像读取、分割预处理、色度特征提取、边界弯曲复杂度特征提取、纹理粗糙复杂度特征提取,利用广义回归神经网络建立多图像特征和转炉吹炼数据之间关系的预测模型。提出一种对跳变数据的修正方法,能有效提高识别率,与BP网络进行结果对比,证明本文方法的有效性及可行性。转炉吹炼过程中,炉口火焰图像快速多变、各种自然特征呈现复杂变化,本文旨在通过研究适合火焰图像处理的特征提取方法和理论,建立起火焰图像特征与转炉吹炼数据之间的关系模型,能够达到对实际吹炼过程中的数据实时预测,进而对转炉终点进行有效控制。
杨静[9]（2011）在《基于LabVIEW的彩色图像目标提取系统研究》文中研究指明随着计算机技术的飞速发展,机器视觉的研究也越来越受到人们的青睐。所谓机器视觉一般是指通过建立摄像机与计算机的通讯来模拟人眼的功能,使得图像或图像序列在处理之后,能够提取出有效的信息,有助于对外界环境中的事物进行形态和运动的识别。机器视觉的一个重要任务就是对图像中的特定目标进行提取,而目标提取的速度、精度与准确性直接决定了对后续运动目标的识别与跟踪的有效性。在各种光学图像中,对外部客观世界最为逼近的描述当属彩色图像。因此,对彩色图像进行处理有助于我们获得更多的有效信息。本文就彩色图像中的图像分割和目标提取中的一些问题进行了较为系统的讨论,提出了一种彩色图像目标提取综合算法,并把图像处理算法成功地应用到目标提取系统中,最后在LabVIEW开发环境下完成了相应的实验。本文首先研究了目前常用的目标提取算法,包括图像分割方法、帧间差分法、减背景法、聚类分析法和光流法,详细分析了每种算法的原理,尤其对图像分割中阈值分割的各种算法和聚类分析法进行了验证并成功地将算法应用到了目标提取实验平台中。其次提出了彩色图像复杂背景目标提取综合算法,这也是本文最大的创新点。该算法是在分析了自动阈值分割、单颜色因子阈值分割、HSL模型、形态学、魔杖处理的基础上,提出的一种颜色阈值分割与魔杖处理相结合的复杂背景彩色图像目标与背景分离方法。与传统的自动阈值分割方法相比,适用的彩色图像范围更加广泛。对于灰度变换之后,灰度差比较小的图像,采用该方法仍然有很好的分离效果。最后开发了目标提取系统实验平台。根据设计要求,完成系统的整体架构,详细介绍了各主要模块的功能、软件设计思想和具体实现方案,并给出了结果分析。以LabVIEW和NI-IMAQ Vision为开发平台方便快捷地实现了所研究的各种算法；交互性界面的设计具有更好的实用性,且大大缩短了系统的开发周期,易于实现和维护。
金磊[10]（2011）在《铜币表面变色和腐蚀的图像处理技术研究》文中认为随着图像处理技术的快速发展和进步,其应用范围也越来越广泛。如在工业、农业、医学以及航空等领域都有大量的应用。为了检测铜币表面是否发生变色和腐蚀,准确的提取变色和腐蚀的区域以及精确的计算该区域的面积,本文将以流通硬币中的铜质硬币（以下章节所说铜币均指铜质硬币）作为研究对象。通过对大量的铜币图像进行分析和研究,从而提出了一套基于图像处理技术的铜币表面变色和腐蚀区域提取的处理方案。首先,为了能更加准确的提取铜币表面的变色和腐蚀区域,需要对铜币图像进行预处理。该过程主要包括铜币区域的剪裁,图像的去噪以及对比度增强等。在去噪过程中,提出了一种改进的中值滤波方法。该方法能有效的改善对图像边缘和细节的平滑。其次,对于铜币图像的颜色量化处理,设计了一种新的基于聚类的颜色量化算法。该算法在HSI颜色空间下对图像的颜色进行粗分类并确定初始聚类中心,再转换到RGB颜色空间下,结合K均值算法来完成最终的聚类中心的求解。从而完成铜币图像的颜色量化过程。实验结果表明,该算法不仅具有理想的量化效果,还能较好的保留图像的细节和层次感。然后,通过分析目前各种常用分割算法的特点和适用范围,得出当前常用的分割算法无法直接运用于本文的分割处理。从而提出结合变色和腐蚀区域的颜色特征以及亮度特征来完成对铜币表面变色和腐蚀区域的分割。最后,利用简单有效地像素计数法和八叉树算法来完成变色和腐蚀区域的面积计算。本文主要对铜币表面变色和腐蚀区域的提取和面积计算过程进行了研究,研究成果对于利用图像处理技术来检测硬币的表面质量具有重要的指导意义。
二、基于颜色相似系数的彩色图像分割方法（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、基于颜色相似系数的彩色图像分割方法（论文提纲范文）
（1）基于视觉的足球机器人目标识别与路径规划研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究目的及意义 |
| 1.2 足球机器人的起源及发展 |
| 1.3 MiroSot足球机器人系统概述 |
| 1.3.1 机器人比赛系统分类概述 |
| 1.3.2 MiroSot足球机器人比赛简介 |
| 1.4 国内外研究现状及分析 |
| 1.4.1 图像分割研究综述 |
| 1.4.2 足球机器人目标识别研究综述 |
| 1.4.3 路径规划研究综述 |
| 1.5 本文的主要研究内容 |
| 第2章 足球机器人视觉前处理 |
| 2.1 引言 |
| 2.2 相机标定 |
| 2.2.1 相机坐标系转换 |
| 2.2.2相机标定实验 |
| 2.3 相机畸变矫正 |
| 2.3.1 畸变系数 |
| 2.3.2 畸变矫正实验 |
| 2.4 图像预处理 |
| 2.4.1 图像滤波去噪 |
| 2.4.2 抑制噪声 |
| 2.5 本章小结 |
| 第3章 彩色图像分割基础 |
| 3.1 引言 |
| 3.2 颜色空间分析及选取 |
| 3.2.1 RGB颜色空间 |
| 3.2.2 YUV颜色空间 |
| 3.2.3 HSI颜色空间 |
| 3.2.4 颜色空间的选取 |
| 3.3 HSI颜色空间的颜色分量优化及选取 |
| 3.3.1 颜色分量优化 |
| 3.3.2 颜色分量实验 |
| 3.3.3 颜色特征分析及选取 |
| 3.4 基于K-means聚类的颜色分量标定 |
| 3.4.1 光照对足球机器人识别的影响 |
| 3.4.2 基于K-means聚类的HSI颜色空间阈值分量标定 |
| 3.5 本章小结 |
| 第4章 足球机器人目标识别与定位研究 |
| 4.1 引言 |
| 4.2 场地坐标系的建立及场地标定 |
| 4.2.1 场地坐标系的建立及修正 |
| 4.2.2 基于形状模板匹配的场地标定方法 |
| 4.2.3 实验及分析 |
| 4.3 足球机器人识别及定位 |
| 4.3.1 足球机器人色标设计 |
| 4.3.2 足球机器人位姿判别原理 |
| 4.3.3 机器人识别方法 |
| 4.3.4 实验及分析 |
| 4.4 足球识别及定位 |
| 4.4.1 足球识别方法分析 |
| 4.4.2 实验及分析 |
| 4.5 本章小结 |
| 第5章 足球机器人路径规划研究 |
| 5.1 引言 |
| 5.2 典型路径规划方法简介 |
| 5.2.1 栅格法 |
| 5.2.2 神经网络 |
| 5.2.3 人工势场法 |
| 5.3 传统人工势场法原理 |
| 5.4 人工势场法的局限性 |
| 5.4.1 目标附近不可达的问题 |
| 5.4.2 局部极小值问题 |
| 5.4.3 动态规划的问题 |
| 5.4.4 自我调节问题 |
| 5.5 基于评价函数的变步长人工势场法研究 |
| 5.5.1 评价函数的建立 |
| 5.5.2 实验及分析 |
| 5.6 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间承担的科研任务与主要成果 |
| 致谢 |
（2）基于图像多特征模式识别的木材分类分选算法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状及发展趋势 |
| 1.2.1 基于木材图像分类分选研究现状 |
| 1.2.2 发展趋势 |
| 1.3 存在的问题及技术难点 |
| 1.3.1 存在的问题 |
| 1.3.2 技术难点 |
| 1.4 研究的主要内容及方法、路线 |
| 1.4.1 研究的主要内容 |
| 1.4.2 研究方法 |
| 1.4.3 技术路线 |
| 2 实验材料与方法 |
| 2.1 实验材料及设备 |
| 2.2 实验方法 |
| 2.2.1 数字图像处理与模式识别 |
| 2.2.2 机器学习算法 |
| 3 基于颜色及纹理特征的木材树种相似度判别 |
| 3.1 颜色特征的提取及木材树种判别 |
| 3.1.1 木材材色空间分布特点分析 |
| 3.1.2 颜色特征的提取及分析 |
| 3.1.3 颜色特征的相似度判别算法 |
| 3.1.4 实例及分析 |
| 3.2 木材纹理特征的提取及木材树种判别 |
| 3.2.1 纹理特征的描述 |
| 3.2.2 木材纹理特点 |
| 3.2.3 木材纹理特征的分析及提取 |
| 3.2.4 木材纹理特征的相似度判别算法 |
| 3.2.5 实例及分析 |
| 3.3 基于颜色和纹理特征分步检索的木材树种相似度判别 |
| 3.4 本章小结 |
| 4 木材缺陷检测及分类 |
| 4.1 木材缺陷种类及特点 |
| 4.1.1 木材表面缺陷 |
| 4.1.2 缺陷种类及特点 |
| 4.2 缺陷分类的特征提取 |
| 4.3 基于BP神经网络的木材缺陷检测及分类 |
| 4.3.1 BP神经网络设计思想 |
| 4.3.2 BP神经网络模型基本原理 |
| 4.3.3 模型建立与结果分析 |
| 4.4 基于支持向量机的木材缺陷检测及分类 |
| 4.4.1 支持向量机的设计思想 |
| 4.4.2 支持向量机基本原理 |
| 4.4.3 模型建立与结果分析 |
| 4.5 基于卷积神经网络的木材缺陷检测及分类 |
| 4.5.1 卷积神经网络的设计思想 |
| 4.5.2 卷积神经网络基本原理 |
| 4.5.3 模型建立与结果分析 |
| 4.6 缺陷分类方法比较 |
| 4.7 本章小结 |
| 5 基于机器视觉特征的木材分类分选 |
| 5.1 木材表面缺陷常规分割方法 |
| 5.2 局部阈值二值化算法 |
| 5.2.1 Bernsen算法 |
| 5.2.2 Niblack算法 |
| 5.2.3 Sauvola算法 |
| 5.3 局部均值的二值化改进算法 |
| 5.4 实验结果与分析 |
| 5.5 基于数学形态学图像分割后处理 |
| 5.5.1 结构元素 |
| 5.5.2 腐蚀与膨胀 |
| 5.5.3 开运算与闭运算 |
| 5.6 锯材检验标准 |
| 5.6.1 针叶树锯材检验标准 |
| 5.6.2 阔叶树锯材检验标准 |
| 5.7 按树种及缺陷的木材等级分选 |
| 5.8 本章小结 |
| 结论 |
| 参考文献 |
| 附录 |
| 攻读学位期间发表的学术论文 |
| 致谢 |
| 附件 |
（3）颜色识别技术在BV四联诊断中的应用研究（论文提纲范文）
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 课题的研究背景及意义 |
| 1.2 国内外的研究现状 |
| 1.3 研究的主要内容和关键技术 |
| 1.3.1 研究内容及关键技术 |
| 1.3.2 BV反应孔图像处理流程 |
| 1.4 论文的章节安排 |
| 1.5 本文的主要创新点 |
| 1.6 本章小结 |
| 2 反应板卡图像去噪 |
| 2.1 引言 |
| 2.2 去除高光区域 |
| 2.2.1 传统的LC显着性检测算法 |
| 2.2.2 基于亮度空间的LC显着性检测进行高光去除算法 |
| 2.3 常用的图像去噪方法 |
| 2.3.1 中值滤波 |
| 2.3.2 均值滤波 |
| 2.3.3 低通滤波 |
| 2.3.4 投票法中值滤波 |
| 2.3.5 自适应投票法 |
| 2.4 本章小结 |
| 3 反应孔的分割方法 |
| 3.1 引言 |
| 3.2 最大熵法 |
| 3.3 迭代法 |
| 3.4 改进的迭代法 |
| 3.5 阈值分割法 |
| 3.6 最大类间方差 |
| 3.7 自适应迭代法 |
| 3.8 彩色图像的分割方法 |
| 3.8.1 RGB颜色空间 |
| 3.8.2 HSV颜色空间 |
| 3.8.3 Lab颜色空间 |
| 3.8.4 基于混合颜色空间的分割算法 |
| 3.9 本章小结 |
| 4 基于混合颜色空间的颜色识别算法 |
| 4.1 引言 |
| 4.2 颜色空间的选取 |
| 4.3 模糊数学 |
| 4.4 布尔矩阵 |
| 4.4.1 数据标准化方法 |
| 4.4.2 相似矩阵构造方法 |
| 4.5 实验理论与方法 |
| 4.6 本章小结 |
| 5 算法检测及测试结果分析 |
| 5.1 算法检测 |
| 5.2 算法比较 |
| 5.3 本章小结 |
| 6 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 作者攻读学位期间发表学术论文清单 |
| 致谢 |
（4）基于胶囊内窥镜图像的出血病灶检测算法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题研究背景 |
| 1.2 胶囊内窥镜的国内外研究现状 |
| 1.3 基于胶囊内镜图像的出血病灶检测的国内外研究现状 |
| 1.4 本文主要完成的工作 |
| 第二章 基于胶囊内窥镜图像的出血病灶检测关键技术 |
| 2.1 基于图像的病灶检测关键技术分析 |
| 2.2 图像分割 |
| 2.3 特征提取 |
| 2.4 识别分类 |
| 2.5 本章小结 |
| 第三章 胶囊内窥镜图像预处理 |
| 3.1 彩色图像与颜色模型 |
| 3.2 BAYER图像转RGB彩色图像 |
| 3.3 彩色图像预处理 |
| 3.4 本章小结 |
| 第四章 基于胶囊内窥镜图像的出血病灶检测 |
| 4.1 基于颜色特征的感兴趣区域提取 |
| 4.2 基于颜色特征的图像分类 |
| 4.3 本章小结 |
| 第五章 出血检测算法的实现与实验分析 |
| 5.1 出血图像特征分析 |
| 5.2 出血图像分类器 |
| 5.3 实验结果分析 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 工作总结 |
| 6.2 工作展望 |
| 致谢 |
| 参考文献 |
（5）基于组织切片细胞的彩色图像分割算法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 课题研究背景 |
| 1.2 组织细胞图像分割的研究现状及意义 |
| 1.3 论文章节安排 |
| 2 颜色视觉特性 |
| 2.1 组织细胞图像的特点 |
| 2.2 颜色基本特征 |
| 2.3 色差度量 |
| 2.4 颜色相似性度量 |
| 2.5 常用颜色空间及分析 |
| 2.6 本章小结 |
| 3 图像预处理 |
| 3.1 图像直方图均衡化处理 |
| 3.2 图像平滑处理 |
| 3.3 图像锐化处理 |
| 3.4 图像增强处理 |
| 3.5 图像滤波处理 |
| 3.6 本章小结 |
| 4 图像分割 |
| 4.1 图像分割的定义 |
| 4.2 分割算法 |
| 4.2.1 基于阈值的分割算法 |
| 4.2.2 基于特征空间聚类的分割算法 |
| 4.2.3 基于区域的分割算法 |
| 4.2.4 基于边缘检测的分割算法 |
| 4.2.5 基于模糊理论的分割算法 |
| 4.2.6 基于神经网络的分割算法 |
| 4.2.7 基于变分的分割算法 |
| 4.2.8 基于数学形态学的分割算法 |
| 4.3 本章小结 |
| 5 彩色组织细胞分割 |
| 5.1 颜色空间 |
| 5.2 彩色组织细胞图像的预处理 |
| 5.2.1 直方图均衡化处理 |
| 5.2.2 中值滤波平滑处理 |
| 5.2.3 线性锐化滤波处理 |
| 5.2.4 形态学高低帽增强处理 |
| 5.2.5 双边滤波与小波滤波的分频滤波算法 |
| 5.3 彩色组织细胞图像的分割 |
| 5.3.1 形态学开闭重建 |
| 5.3.2 基于标记的二次分水岭分割算法 |
| 5.4 本章小结 |
| 6 结论 |
| 参考文献 |
| 攻读硕士期间发表学术论文情况 |
| 致谢 |
（6）颜色相似系数的目标提取与颜色替换（论文提纲范文）
| 1 引言 |
| 2 颜色相似度 |
| 2.1 色度饱和度相似系数 |
| 2.2 亮度相似系数 |
| 2.3 颜色相似系数 |
| 3 目标提取 |
| 4 颜色替换 |
| 4.1 简单替换 |
| 4.2 按指定颜色替换 |
| 5 实验结果 |
| 6 结语 |
（7）基于模糊相似矩阵的尿糖试纸颜色识别研究（论文提纲范文）
| 摘要 |
| Abstract |
| 目录 |
| 1 绪论 |
| 1.1 课题的研究背景及意义 |
| 1.2 国内外技术发展概况 |
| 1.3 论文组织结构 |
| 2 目标区域的分割方法 |
| 2.1 引言 |
| 2.2 彩色图像颜色空间描述 |
| 2.2.1 RGB与CMY颜色空间 |
| 2.2.2 HSI颜色空间 |
| 2.2.3 HSV颜色空间 |
| 2.2.4 Lab颜色空间 |
| 2.3 图像分割算法分析 |
| 2.3.1 图像分割简介 |
| 2.3.2 灰度阈值分割法 |
| 2.3.3 最大类间方差法 |
| 2.3.4 迭代法 |
| 2.3.5 最大直方图的熵阈值分割法 |
| 2.3.6 彩色图像分割 |
| 2.4 本章小结 |
| 3 提取结果的预处理 |
| 3.1 数学形态学图像处理 |
| 3.1.1 腐蚀 |
| 3.1.2 膨胀 |
| 3.1.3 开运算与闭运算 |
| 3.2 连通域的处理 |
| 3.2.1 连通域定义及简介 |
| 3.2.2 连通域算法 |
| 3.2.3 连通域面积法去除噪声 |
| 3.2.4 连通域最小外接矩形边长法去除噪声 |
| 3.3 目标区域的归类 |
| 3.4 本章小结 |
| 4 基于HSV颜色空间和模糊数学的颜色识别算法 |
| 4.1 引言 |
| 4.2 模糊数学的的基本概念 |
| 4.2.1 模糊理论的数学基础 |
| 4.2.2 模糊矩阵的概念 |
| 4.2.3 模糊关系 |
| 4.3 模糊聚类分析 |
| 4.3.1 数据标准化 |
| 4.3.2 标定 |
| 4.3.3 聚类 |
| 4.4 模糊相似矩阵的构造方法 |
| 4.5 实例 |
| 4.6 本章小结 |
| 5 基于MFC的系统设计 |
| 5.1 MFC界面设计 |
| 5.1.1 MFC简介 |
| 5.1.2 用户界面设计 |
| 5.2 本章小结 |
| 6 实验以及数据分析 |
| 6.1 实验样品的获得 |
| 6.2 部分实验图处理步骤的列举 |
| 6.3 实验数据及分析总结 |
| 6.4 本章小结 |
| 7 总结与展望 |
| 致谢 |
| 参考文献 |
（8）转炉炼钢吹炼数据预测中火焰图像多特征提取方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 目录 |
| 插图清单 |
| 表格清单 |
| 符号表 |
| 第一章 绪论 |
| 1.1 课题背景与意义 |
| 1.2 转炉炼钢工艺过程 |
| 1.3 转炉炼钢吹炼数据预测方法 |
| 1.3.1 人工经验及取样法 |
| 1.3.2 副枪及炉气分析法 |
| 1.3.3 其它数据预测方法 |
| 1.4 数据预测中的火焰图像识别问题 |
| 1.4.1 基于彩色形态学的图像预处理 |
| 1.4.2 火焰图像特征提取 |
| 1.4.3 吹炼数据预测模型 |
| 1.5 本文的研究内容 |
| 第二章 均匀空间色差度量的矢量形态学火焰图像处理 |
| 2.1 二值数学形态学 |
| 2.1.1 基本运算子 |
| 2.1.2 二值形态学边界提取 |
| 2.2 灰度形态学图像处理 |
| 2.2.1 灰度形态学基本运算子 |
| 2.2.2 灰度形态学图像平滑处理 |
| 2.3 均匀空间彩色矢量形态学火焰图像处理 |
| 2.3.1 色彩矢量排序问题的讨论 |
| 2.3.2 基于均匀Lab色彩空间的矢量排序研究 |
| 2.3.3 定义基于矢量排序的彩色形态学 |
| 2.3.4 实验对比与分析 |
| 2.4 本章小结 |
| 第三章 火焰彩色图像分割与颜色特征提取 |
| 3.1 转炉火焰的图像分割 |
| 3.1.1 火焰图像的相似度度量分割 |
| 3.1.2 欧几里得距离颜色相似度度量分割 |
| 3.2 转炉火焰颜色特征提取 |
| 3.2.1 吹炼过程中元素与火焰颜色变化关系 |
| 3.2.2 颜色三阶矩特征提取 |
| 3.2.3 建立基于色度信息的吹炼数据预报模型 |
| 3.2.4 实验数据的选取 |
| 3.2.5 实验对比与分析 |
| 3.3 本章小结 |
| 第四章 火焰边界特征提取的差分链码曲率方法 |
| 4.1 吹炼过程中元素与火焰边界特征关系 |
| 4.2 形状特征提取与分析 |
| 4.3 边界的链码表示与描述 |
| 4.4 定义差分链码曲率 |
| 4.4.1 链码曲率 |
| 4.4.2 火焰边界差分链码曲率 |
| 4.4.3 火焰边界提取及单连通化 |
| 4.4.4 火焰边界的近似多边形重建 |
| 4.5 建模与实验分析 |
| 4.6 本章小结 |
| 第五章 火焰图像纹理特征提取的灰度差分统计方法 |
| 5.1 吹炼过程中元素与火焰纹理变化关系 |
| 5.2 随机微纹理特征提取 |
| 5.2.1 Laws纹理能量测量法 |
| 5.2.2 灰度共生矩阵纹理分析法 |
| 5.3 灰度差分统计火焰纹理特征 |
| 5.3.1 建立火焰纹理灰度差分统计策略 |
| 5.3.2 火焰纹理图像的特征计算 |
| 5.4 建模与实验分析 |
| 5.4.1 基于边界弯曲度的吹炼数据模型 |
| 5.4.2 实验结果 |
| 5.4.3 结果分析 |
| 5.5 本章小结 |
| 第六章 综合预测模型及系统设计 |
| 6.1 建立综合预测模型 |
| 6.1.1 图像预处理及特征提取 |
| 6.1.2 建立GRNN图像识别模型 |
| 6.2 系统软件设计 |
| 6.2.1 设计GUI对象布局与数据结构 |
| 6.2.2 编写回调函数 |
| 6.3 系统硬件配置 |
| 6.4 识别结果对比与分析 |
| 6.5 本章小结 |
| 第七章 总结与展望 |
| 7.1 论文总结 |
| 7.2 主要创新点 |
| 7.3 未来的工作展望 |
| 致谢 |
| 参考文献 |
| 附录 在读期间发表的论文及参与的科研项目 |
（9）基于LabVIEW的彩色图像目标提取系统研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 课题研究意义 |
| 1.2 机器视觉的起源和研究现状 |
| 1.2.1 机器视觉的起源 |
| 1.2.2 机器视觉国内外研究现状 |
| 1.3 彩色图像目标提取技术的重要作用及研究现状 |
| 1.3.1 彩色图像目标提取在机器视觉中的重要作用 |
| 1.3.2 彩色图像目标提取的研究现状 |
| 1.3.3 彩色图像目标提取的难点及改进方向 |
| 1.4 LabVIEW开发环境在图像处理中的优势 |
| 1.5 本文主要研究内容 |
| 1.6 本文结构安排 |
| 2 彩色图像目标提取中的图像分割及实现 |
| 2.1 阈值分割方法 |
| 2.1.1 直方图分割方法 |
| 2.1.2 熵方法 |
| 2.1.3 最大类间方差法 |
| 2.1.4 最小闽值误差法 |
| 2.2 区域生长分割法 |
| 2.3 聚类的分割方法 |
| 2.4 边缘检测分割法 |
| 2.5 本章小结 |
| 3 彩色图像目标提取综合算法 |
| 3.1 彩色图像颜色模型 |
| 3.1.1 RGB颜色模型 |
| 3.1.2 HSL颜色模型 |
| 3.1.3 RGB模型与HSL模型之间的转换 |
| 3.2 基于HSL模型的的彩色图像单层阈值分割 |
| 3.3 数学形态学处理 |
| 3.4 魔杖提取 |
| 3.5 特征提取算法实现 |
| 3.5.1 综合算法流程图实现 |
| 3.5.2 实验结果及分析 |
| 3.6 本章小结 |
| 4 目标提取系统设计及实现 |
| 4.1 系统设计实现功能及开发环境 |
| 4.1.1 系统实现功能 |
| 4.1.2 系统开发环境 |
| 4.2 系统总体设计方案 |
| 4.3 系统关键功能模块的设计及实现 |
| 4.3.1 图像采集模块 |
| 4.3.2 图像预处理模块 |
| 4.3.3 图像分割模块 |
| 4.3.4 目标提取综合算法模块 |
| 4.4 系统界面实现 |
| 4.5 本章小结 |
| 5 总结与展望 |
| 参考文献 |
| 致谢 |
（10）铜币表面变色和腐蚀的图像处理技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究的背景和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 图像处理技术在表面检测中的应用 |
| 1.2.2 图像处理技术在硬币表面质量检测中的应用 |
| 1.3 本文的主要研究内容和处理方法 |
| 1.3.1 本文的研究内容 |
| 1.3.2 本文的处理方法 |
| 1.4 本文的结构安排 |
| 第2章 颜色空间的选择 |
| 2.1 颜色理论 |
| 2.2 颜色空间 |
| 2.2.1 RGB 颜色空间 |
| 2.2.2 CIELAB 颜色空间 |
| 2.2.3 HSI 颜色空间 |
| 2.3 色差度量 |
| 2.3.1 基于RGB 颜色空间的色差度量 |
| 2.3.2 基于均匀颜色空间的色差度量 |
| 2.3.3 基于视觉模型的色差度量 |
| 2.4 颜色相似性度量 |
| 2.4.1 色度饱和度相似系数 |
| 2.4.2 亮度相似系数 |
| 2.4.3 颜色相似系数 |
| 2.5 本章小结 |
| 第3章 铜币图像的预处理 |
| 3.1 铜币区域的剪裁 |
| 3.1.1 阈值分割 |
| 3.1.2 数学形态学 |
| 3.1.3 边界跟踪 |
| 3.1.4 铜币区域的提取 |
| 3.2 铜币图像的增强处理 |
| 3.2.1 铜币图像的去噪处理 |
| 3.2.2 铜币图像的对比度调节 |
| 3.3 本章小结 |
| 第4章 铜币图像的色彩量化 |
| 4.1 常用的色彩量化方法 |
| 4.1.1 统一量化法 |
| 4.1.2 频度序列法 |
| 4.1.3 中位切分法 |
| 4.1.4 八叉树量化法 |
| 4.1.5 聚类算法 |
| 4.2 一种新的基于聚类分析的色彩量化算法 |
| 4.2.1 算法的总体介绍 |
| 4.2.2 算法的具体实现 |
| 4.3 算法分析 |
| 4.3.1 粗分类与量化效果及时间的关系 |
| 4.3.2 算法的有效性分析 |
| 4.4 本章小结 |
| 第5章 变色和腐蚀区域的分割及面积计算 |
| 5.1 常用的彩色图像分割算法 |
| 5.1.1 直方图阈值法 |
| 5.1.2 基于边缘检测的分割方法 |
| 5.1.3 基于区域的分割方法 |
| 5.1.4 基于色彩空间聚类的方法 |
| 5.2 变色和腐蚀区域分割的实现 |
| 5.2.1 铜币图像的特点 |
| 5.2.2 基于颜色特征的图像分割 |
| 5.2.3 变色和腐蚀区域的分割结果 |
| 5.3 变色和腐蚀区域的面积计算 |
| 5.3.1 像素计数面积法 |
| 5.3.2 基于Freeman 链码的目标面积Tang 计算方法 |
| 5.3.3 变色和腐蚀区域的面积计算方法 |
| 5.4 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间发表的论文和获得的科研成果 |
| 致谢 |
四、基于颜色相似系数的彩色图像分割方法（论文参考文献）
- [1]基于视觉的足球机器人目标识别与路径规划研究[D]. 杨超儒. 燕山大学, 2019(03)
- [2]基于图像多特征模式识别的木材分类分选算法研究[D]. 罗微. 东北林业大学, 2019
- [3]颜色识别技术在BV四联诊断中的应用研究[D]. 刘会敏. 西安工程大学, 2018(02)
- [4]基于胶囊内窥镜图像的出血病灶检测算法研究[D]. 马远扬. 华中科技大学, 2016(11)
- [5]基于组织切片细胞的彩色图像分割算法研究[D]. 曹凤. 辽宁工业大学, 2015(06)
- [6]颜色相似系数的目标提取与颜色替换[J]. 陶胜. 电脑编程技巧与维护, 2013(07)
- [7]基于模糊相似矩阵的尿糖试纸颜色识别研究[D]. 谢彦斌. 南京理工大学, 2013(06)
- [8]转炉炼钢吹炼数据预测中火焰图像多特征提取方法研究[D]. 刘辉. 昆明理工大学, 2012(10)
- [9]基于LabVIEW的彩色图像目标提取系统研究[D]. 杨静. 郑州大学, 2011(04)
- [10]铜币表面变色和腐蚀的图像处理技术研究[D]. 金磊. 沈阳理工大学, 2011(12)