基于粗糙集的机器视觉图像分割

《基于粗糙集的机器视觉图像分割》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、太原理工大学硕士研究生学位论文基于粗糙集的机器视觉图像分割摘要数字信息技术迅速发展的今天，图像分析在实际中已得到广泛的应用，概括地说，在各种图像应用中，只要需要对图像目标进行提取、测量等就离不开图像分割。近年来，图像分割在对图像的编码及很多其他的图像应用中都起着越来越重要的作用，本文是讨论粗糙集理论用于机器视觉的图像分割算法的设计与实现。机器视觉是利用视觉传感器获取三维景物的二维图像，通过视觉处理算法对一幄或多幅图像进行处理、分析和解释，得到有关景物的符号描述，并为特定的任务提供有用的信息，用于引导机器人的动作。在很多实际情况下，机器人要区分不同的物体就必须具有分辨物体特征的能力，这

2、就需要选择合适的方法对图像进行处理。此外，由于图像处理的特点是数据运算量大，运算耗时，所以为了构建一个简单易实现的图像处理系统，论文首先提出一种基于三基色分量的多阈值分割方法对图像进行增强去噪预处理，然后基于粗糙集理论知识，将图像看太原理工大学硕士研究生学位论文作一个知识表达系统对图像进行分割。构建好的知识表达系统中彩色图像的三基色分量作为知识表达系统中的条件属性，而对应的颜色作为其决策属性。由于阈值化处理后的图像中，所有像素均被赋予特定的阂值，所以这些数据就可以直接作为知识表达系统中离散归一化的属性值进行处理。采用这种方法离散后的数值建立在图像增强去噪的基础之上，因而得到的初始决策

3、表比较准确，对颜色分割的针对性强，而且这样的处理为后续的分类决策建立，分类决策表简化，最小决策规则提取及最终的图像分割等一系列步骤提供了方便，简化了算法，减少了运算量。论文详细分析了足球机器人比赛系统中的视觉子系统，并给出了粗糙集在此系统中图像分割算法应用的流程。基于此系统要求颜色分辨准确快速的特点，分析了基于粗糙集的数字图像分割方法的可行性，并对传统图像分割方法与论文提出的新方法进行了仿真结果比较，比较结果说明论文提出的方法对于包含噪声较大的足球机器人比赛图像的分割效果更好。论文在MATLAB图像处理工具箱中编写了各部分仿真程序。如何确定算法的结构和保证算法的快速处理是本工作的难点

4、和重点。iv太原理工大学硕士研究生学位论文最后，结合仿真程序及仿真图像评价该算法。关键词粗糙集，机器视觉，数字图像处理太原理工大学硕士研究生学位论文M-ACHINEVISl0NIM．AGESEGMENl：f虹Ⅱ0NGBASED0NROUGHSETSABSTRACTTodaywiththespeedydevelopmentofdigitalinformationtechnology，imageanalysishasbeenwidelyusedinpractice．Generallyspeaking，inanyfieldofimageapplication，imagesegmentati

5、onisindispensableforextractionandmeasurementoftargetimage．Inrecentyears，imagesegmentationhasbecomemoreandmoreimportantinimagecodingandalotofotherimageapplications．Inthispaper,wemainlydiscusseddesignandrealizationofimagesegmentationalgorithminmachinevisionbasedonroughsets．Inmachinevision，visions

6、ensorsareusedtogetplanarimagefromthree-dimensionalscenery．Byusingvisionprocessingalgorithm，oneimageormultiimagesareprocessed，analyzedand太原理工大学硕士研究生学位论文explained，andsymbolicdescriptiononrelationalsceneryisobtained．Thealgorithmprovidesusefulinformationforrobotstofinishgiventasksandleadstherobots’

7、actionsInmanypracticalinstances，robotsmusthavetheabilityofdistinguishingfeaturesofeachobjectinordertodifferentiatedifferentobjects．Tosolvetheproblem，itisnecessarytoselectasuitablemethodtoprocesstheimagesSOaStogetagoodresult．Additi