|
课题内容简介：
均值漂移（MeanShift）算法是一种高效的非参数、迭代模式搜索方法。它完全依靠特征空间中样本点进行分析，不需要聚类数目等先验知识，也不需假设样本的分布状况，近年来广泛应用于图像分割、图像滤波以及视频跟踪等计算机视觉领域，并取得了比较满意的效果。本课题主要研究均值漂移在原木检测系统中的应用，实现原木端面自动识别、分割，原木端面识别是原木材积自动检测中的关键步骤，是实现原木检尺自动化的基础工作。本文研究的主要内容包括：
(1) 研究反映数据局部特征的自适应图像分割算法
首先运用Mean Shift算法实现对图像的平滑，并运行Meanshift实现对原木图像的初次粗聚类分割，将图像分割成若干类别，由于Meanshift参数的选择会对分割结果产生影响，设计算法实现Meanshift相关参数根据实际情况自动选择。
(2) 研究区域合并策略
区域合并策略在图像分割中起着非常关键的作用，为了实现对初次粗聚类结果进一步的细分割，研究区域相似性度量指标，并选择或构建相应的相似性度量准则，根据区域合并策略、区域停止准则，实现相似初次粗聚类区域的合并，完成图像分割，从而实现原木横断面的自动提取。
本课题充分的融合了大学学习的相关课程，为学生的就业和学科研究提供了良好的实践和锻炼机会。
| 
