1) density slice imagery
密度分割图象
2) image segment
图象分割
1.
CT wood image segment by analyzing gray-value histogram;
基于灰度直方图分析的原木CT图象分割
2.
The Research of Car Image Segmentation and Vehicle Plate Location Arithmetic;
汽车图象分割与车牌定位算法的研究
3) image segmentation
图象分割
1.
Application of image processing based on the image segmentation in weld detection;
基于图象分割的图象处理法在焊缝识别中的应用
2.
Image Segmentation with Multiple Gray Levels;
多灰度等级图象分割算法及实现
3.
Color Image Segmentation and Its Application to Tongue Image Processing for TCM;
彩色图象分割及其在中医舌图象处理中的应用
4) segmentation
[英][,seɡmən'teiʃən] [美][,sɛɡmən'teʃən, -mɛn-]
图象分割
1.
Aimedat studying the plane image detected by infrared imaging, this paper puts forward a method of adaptive threshold selection for the top to bottom gray image segmentation.
以红外成像探测得到的飞机图象为研究对象 ,将灰度直方图分析和飞机红外灰度图象固有的不变性特性信息结合起来 ,提出了一种自顶向下的灰度图象分割自适应门限的选取方法。
5) density slice
密度分割
1.
The investigation of vegetation growth vigour on south ion RE minerals areas is carried out by using high resolution Quickbird data of remote sensing,the methods of density slice based on normalized difference vegetation index and vegetation greenness of rotating planar scanner plots are applied,the two methods are compared and analysed.
运用了归一化植被指数密度分割方法和通过旋转二维散点图获得植被绿度方法来提取植被污染信息,并对以上两种方法进行了对比和分析。
2.
In a research on "new technique applications of groundwater exploration in water deficient regions at the western of Liaoning province", Landsat7 ETM image was used as data source of drought period in this paper,multi-band data were used by analysis functional module in image processing software, for Principal component analysis, Stretch data, Enhancements, Density slice,etc.
特定条件下土壤湿度信息能够反映出浅层地下水赋存信息,在辽宁西部严重缺水地区地下水勘查新技术应用课题研究中,以枯水期的Landsat7ETM为数据源,借助专业图像处理软件的分析功能模块,对多波段数据进行主成分分析、拉伸增强、密度分割等处理,对山区土壤湿度信息进行有效识别,结合地貌、构造、岩性等要素的解译结果进行综合分析,在影像上可圈定出浅层地下水相对富集区。
6) densitomete
图象 密度计
补充资料：图象分割
图象分割
image segmentation
tuxlang fenge图象分割(inlages雌，lentation)将一幅图象分成不同的部分或区域的过程。图象分割是在数字图象处理、图象分析及图象理解中的一个重要的基本步骤。其目的是把图象分成一些有用的或有意义的部分或区域，以便进一步对图象进行分析与理解。所谓有意义的区域是指与应用有关的区域。例如，在一张卫星拍摄的地球的图象(照片)上，把水域与陆地分割开来;在一张田野的照片上，把农田与道路分割开来。可以说，图象分割是对图象进行分析理解的关键步骤。例如，对图象中的文字进行识别，需要首先分割出字符，然后才能识别。又例如，利用图象对工厂中的工件进行识别，也需要首先把工件与背景分开。 图象分割的基本理论与方法是和模式识别紧密相关的。也可以说，图象分割是模式识别在图象处理及图象理解中的应用。图象分割通常需要一些所谓的先验知识或假定。例如，我们如果事先知道在一张田野的照片里，只有农田和道路，我们就可以将这幅图象分成两类区域。但如果还有一些建筑物在这幅图象里，我们可能就要考虑多于两类的分法。进一步说，如果我们知道农田是较暗的绿色而道路是较明亮的黄色时，那么分割的任务就会容易一些，图象中分割的区域就会准确一些。 从图象处理的角度来看，图象分割通常可根据两种原则来进行。一是根据各图象象素之间的不同灰度或不同的颜色分量来进行分割。这称之为基于象素的分割方法。另一种是基于不同类型的区域在图象中的不连续性来进行分割，称之为基于区域的分割方法。例如，我们可以根据不同区域有不同的纹理(组织结构特征)来进行分割。此外，图象中的不连续也造成了边界，我们也可以利用边界来进行图象分割。基于象素的方法可以用来分割白纸黑字，或黄色的墙和棕色的门。但是，要分割一幅图象中的两种不同的花布，就要求助于基于区域(纹理组织)的方法了。基于象素的分割方法还可以再分为利用门限或直方图的方法(参见图象象素分类)。基于区域的分割方法还可以再分为利用边界(边缘)、利用区域以及同时利用边界和区域的方法(参见图象特征提取，圈象边缘检测，圈象轮廓表示及图象区域分割)。
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条