Image segmentation is an important part of digital image processing. I的俄语翻译

Image segmentation is an important

Image segmentation is an important part of digital image processing. Image threshold segmentation algorithm is a common segmentation algorithm based on its simple principle, small amount of calculation and good segmentation effect. Based on the previous research results, this paper has done some research on image threshold segmentation and image segmentation algorithm.Firstly introduces this topic research background and significance of image threshold segmentation, summarizes the research status at home and abroad, in the digital image processing, image segmentation is a very basic in the field of computer vision is a very important problem, it is the key step in the image processing and image analysis, and provide basic data for the image analysis. Therefore, image segmentation plays an important role in image processing. The core of image segmentation is to separate the target image from the background. After the development of image segmentation technology for many years, various segmentation methods have been put forward, which can be summarized into three forms: segmentation based on threshold, segmentation based on edge and segmentation based on region. At present, image segmentation technology is widely used in industrial automation, satellite remote sensing, transportation, computer vision, medical image processing, pattern recognition and many other fields. Image segmentation is a problem that has attracted much attention in practice. This paper first introduces the content of image processing theory, according to the research of domestic and foreign scholars for many years, and then explains various image segmentation algorithms one by one, and analyzes various algorithms and technologies. The following studies mainly focus on the following two aspects:First of all, through the study of threshold based segmentation method, the study of the maximum inter-class variance method, the two-dimensional maximum inter-class variance method was improved, and the results were obtained through MATLAB simulation. Secondly, based on wavelet analysis and wavelet analysis in image segmentation, the threshold segmentation algorithm based on wavelet analysis is preliminarily studied
0/5000
源语言: -
目标语言: -
结果 (俄语) 1: [复制]
复制成功!
Сегментация изображения является важной частью цифровой обработки изображений. Алгоритм сегментации порога изображения является общим алгоритмом сегментации, основанным на его простом принципе, небольшом количестве вычислений и хорошем эффекте сегментации. Основываясь на результатах предыдущих исследований, эта статья провела некоторые исследования по сегментации порога изображения и алгоритму сегментации изображения.<br><br><br><br><br><br><br><br>Вначале знакомит с этой темой фон исследования и значение пороговой сегментации изображения, обобщает состояние исследования в стране и за рубежом, в области цифровой обработки изображений сегментация изображения является очень базовой, в области компьютерного зрения это очень важная проблема, она является ключевой шаг в обработке изображений и анализа изображений, и предоставить основные данные для анализа изображений. Поэтому сегментация изображений играет важную роль в обработке изображений. Суть сегментации изображения заключается в том, чтобы отделить целевое изображение от фона. После разработки технологии сегментации изображений в течение многих лет были предложены различные методы сегментации, которые можно обобщить в три формы: сегментация по порогу, сегментация по краю и сегментация по регионам. В настоящий момент, Технология сегментации изображений широко используется в промышленной автоматизации, спутниковом дистанционном зондировании, транспортировке, компьютерном зрении, обработке медицинских изображений, распознавании образов и во многих других областях. Сегментация изображения является проблемой, которая привлекла большое внимание на практике. Эта статья сначала знакомит с содержанием теории обработки изображений, согласно исследованиям отечественных и зарубежных ученых в течение многих лет, а затем объясняет различные алгоритмы сегментации изображений один за другим, а также анализирует различные алгоритмы и технологии. Следующие исследования в основном сосредоточены на следующих двух аспектах: Эта статья сначала знакомит с содержанием теории обработки изображений, согласно исследованиям отечественных и зарубежных ученых в течение многих лет, а затем объясняет различные алгоритмы сегментации изображений один за другим, а также анализирует различные алгоритмы и технологии. Следующие исследования в основном сосредоточены на следующих двух аспектах: Эта статья сначала знакомит с содержанием теории обработки изображений, согласно исследованиям отечественных и зарубежных ученых в течение многих лет, а затем объясняет различные алгоритмы сегментации изображений один за другим, а также анализирует различные алгоритмы и технологии. Следующие исследования в основном сосредоточены на следующих двух аспектах:<br><br><br><br><br><br><br><br>Прежде всего, благодаря изучению метода сегментации на основе пороговых значений, изучения метода максимальной дисперсии между классами, метода двумерной максимальной дисперсии между классами, и результаты были получены с помощью моделирования MATLAB. Во-вторых, на основе вейвлет-анализа и вейвлет-анализа в сегментации изображения предварительно изучается алгоритм пороговой сегментации, основанный на вейвлет-анализе.
正在翻译中..
结果 (俄语) 2:[复制]
复制成功!
Image segmentation is an important part of digital image processing. Image threshold segmentation algorithm is a common segmentation algorithm based on its simple principle, small amount of calculation and good segmentation effect. Based on the previous research results, this paper has done some research on image threshold segmentation and image segmentation algorithm.<br><br><br><br><br><br><br><br>Firstly introduces this topic research background and significance of image threshold segmentation, summarizes the research status at home and abroad, in the digital image processing, image segmentation is a very basic in the field of computer vision is a very important problem, it is the key step in the image processing and image analysis, and provide basic data for the image analysis. Therefore, image segmentation plays an important role in image processing. The core of image segmentation is to separate the target image from the background. After the development of image segmentation technology for many years, various segmentation methods have been put forward, which can be summarized into three forms: segmentation based on threshold, segmentation based on edge and segmentation based on region. At present, image segmentation technology is widely used in industrial automation, satellite remote sensing, transportation, computer vision, medical image processing, pattern recognition and many other fields. Image segmentation is a problem that has attracted much attention in practice. This paper first introduces the content of image processing theory, according to the research of domestic and foreign scholars for many years, and then explains various image segmentation algorithms one by one, and analyzes various algorithms and technologies. The following studies mainly focus on the following two aspects:<br><br><br><br><br><br><br><br>First of all, through the study of threshold based segmentation method, the study of the maximum inter-class variance method, the two-dimensional maximum inter-class variance method was improved, and the results were obtained through MATLAB simulation. Secondly, based on wavelet analysis and wavelet analysis in image segmentation, the threshold segmentation algorithm based on wavelet analysis is preliminarily studied
正在翻译中..
结果 (俄语) 3:[复制]
复制成功!
图像分割是数字图像处理的重要组成部分。图像阈值分割算法是一种常用的分割算法,其原理简单,计算量小,分割效果好。本文在前人研究成果的基础上,对图像阈值分割和图像分割算法进行了研究。<br>首先介绍了本课题的研究背景和意义,总结了国内外的研究现状,在数字图像处理中,图像分割是计算机视觉领域中一个非常基础的非常重要的问题,它是图像处理和图像分析中的关键步骤,为图像分析提供基础数据。因此,图像分割在图像处理中起着重要的作用。图像分割的核心是将目标图像与背景分离。图像分割技术经过多年的发展,提出了多种分割方法,可以概括为基于阈值的分割、基于边缘的分割和基于区域的分割三种形式。目前,图像分割技术广泛应用于工业自动化、卫星遥感、交通运输、计算机视觉、医学图像处理、模式识别等诸多领域。图像分割是一个在实践中备受关注的问题。本文首先介绍了图像处理理论的内容,根据国内外学者多年的研究成果,然后对各种图像分割算法逐一进行了说明,并对各种算法和技术进行了分析。以下研究主要集中在以下两个方面:<br>首先,通过对基于阈值的分割方法的研究,对最大类间方差法、二维最大类间方差法进行了改进,并通过MATLAB仿真得到了结果。其次,基于小波分析和小波分析在图像分割中的应用,对基于小波分析的阈值分割算法进行了初步研究<br>
正在翻译中..
 
其它语言
本翻译工具支持: 世界语, 丹麦语, 乌克兰语, 乌兹别克语, 乌尔都语, 亚美尼亚语, 伊博语, 俄语, 保加利亚语, 信德语, 修纳语, 僧伽罗语, 克林贡语, 克罗地亚语, 冰岛语, 加利西亚语, 加泰罗尼亚语, 匈牙利语, 南非祖鲁语, 南非科萨语, 卡纳达语, 卢旺达语, 卢森堡语, 印地语, 印尼巽他语, 印尼爪哇语, 印尼语, 古吉拉特语, 吉尔吉斯语, 哈萨克语, 土库曼语, 土耳其语, 塔吉克语, 塞尔维亚语, 塞索托语, 夏威夷语, 奥利亚语, 威尔士语, 孟加拉语, 宿务语, 尼泊尔语, 巴斯克语, 布尔语(南非荷兰语), 希伯来语, 希腊语, 库尔德语, 弗里西语, 德语, 意大利语, 意第绪语, 拉丁语, 拉脱维亚语, 挪威语, 捷克语, 斯洛伐克语, 斯洛文尼亚语, 斯瓦希里语, 旁遮普语, 日语, 普什图语, 格鲁吉亚语, 毛利语, 法语, 波兰语, 波斯尼亚语, 波斯语, 泰卢固语, 泰米尔语, 泰语, 海地克里奥尔语, 爱尔兰语, 爱沙尼亚语, 瑞典语, 白俄罗斯语, 科西嘉语, 立陶宛语, 简体中文, 索马里语, 繁体中文, 约鲁巴语, 维吾尔语, 缅甸语, 罗马尼亚语, 老挝语, 自动识别, 芬兰语, 苏格兰盖尔语, 苗语, 英语, 荷兰语, 菲律宾语, 萨摩亚语, 葡萄牙语, 蒙古语, 西班牙语, 豪萨语, 越南语, 阿塞拜疆语, 阿姆哈拉语, 阿尔巴尼亚语, 阿拉伯语, 鞑靼语, 韩语, 马其顿语, 马尔加什语, 马拉地语, 马拉雅拉姆语, 马来语, 马耳他语, 高棉语, 齐切瓦语, 等语言的翻译.

Copyright ©2024 I Love Translation. All reserved.

E-mail: