毕业论文课题相关文献综述
1.研究背景
视觉系统是机器人系统中非常重要的组成部分。机器人视觉系统主要包括数字图像的获取、图像的预处理、特征提取和图像识别几部分。在数字图像获取部分，机器人周围的场景通过光学成像和数字化被转换成数字图像；在预处理阶段，系统通过几何变换、图像调整等对数字图像进行初步的调整，使之成为易于识别和处理的图像；在特征提取部分，系统对图像进行抽象化；在识别部分，系统对图像特征进行处理，进而在图像中找出需要识别的目标，确定其身份并进行定位。
图像处理用计算机对图像进行分析，以达到所需结果的技术。又称影像处理。图像处理一般指数字图像处理。数字图像是指用工业相机、摄像机、扫描仪等设备经过拍摄得到的一个大的二维数组，该数组的元素称为像素，其值称为灰度值。图像处理技术的一般包括图像压缩，增强和复原，匹配、描述和识别3个部分。常见的系统有康耐视系统、图智能系统等，目前是正在逐渐兴起的技术。
图像分割是图像处理与机器视觉的基本问题之一，其要点是：把图像划分成若干互不交叠区域的集合，这些区域要么对当前的任务有意义，要么有助于它们与实际物体或物体的某些部分之间的对应关系。图像分割的应用非常广泛，几乎出现在有关图像处理的所有领域，并涉及各种类型的图像。例如，在遥感应用中，合成孔径雷达图像中目标的分割；遥感云图中不同云系和背景分布的分割等。在医学应用中，脑部MR图像分割成灰质、白质、脑脊髓等脑组织和其他非脑组织区域等。在交通图像分析中，把车辆目标从背景中分割出来等。在面向对象的图像压缩和基于内容的图像数据库查询中，将图像分割成不同的对象区域。在这些应用中，分割通常是为了进一步对图像进行分析、识别、压缩编码等，分割的准确性直接影响后续任务的有效性。
目标物识别与定位,直接影响抓取机器人的作业效率。在工业抓取机器人的立体视觉技术中,识别果实并提取目标物的点、线等形状特征,是特征匹配以及实现定位的关键步骤,其中目标物识别是进行目标物形状特征提取的基础。主流的一些研究主要相互分离的目标物图像的圆心、半径特征提取。
2.图像分割的方法与应用
图像分割从广义上来讲,是根据图像的某些特征或特征集合(包括灰度、颜色、纹理等)的相似性准则对图像像素进行分组聚类,把图像平面划分成若干个具有某些一致性的不重叠区域。分割出来的区域须同时满足均匀性和连通性的条件。
图像分割的方法很多,依据不同的分类准则,可以对图像分割进行不同的分类:根据应用目的不同,可分为粗分割和细分割;根据分割对象的属性,可被分为灰度图像分割和彩色图像分割;根据分割对象的状态,可被分为静态图像分割和动态图像分割;根据被分割图像的维数,可分为二维、三维和四维图像分割;根据分割对象的应用领域可分为医学图像分割、工业图像分割、安全图像分割、军事图像分割、交通图像分割等;根据用知识的特点与层次,又可分为数据驱动与模型驱动;根据图像分割方法,图像分割可粗略分为基于直方图的分割技术和基于邻域的分割技术。常用的图像分割方法：1)基于直方图的分割方法；2)基于邻域的分割方法。
图像分割技术的应用：1、机车检测方面的应用：1)对轮毂裂纹图像的分割，2）电弓滑板磨耗图像的分割，3）在钢轨表面缺陷图像的分割；2、生物医学工程方面的应用：1)改进的GVF模型的脑部图像分割2)肝脏CT图像分割；3、遥感工程方面的应用：1)油库目标的遥感光学图像分割2)机场的遥感图像分割
3.图像处理技术相关状况介绍
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
