空间方差法最小误差法与均匀化误差法共生矩阵法最大熵法简单统计法与局部特性法概率松驰法模糊集法特征空间聚类法基于过渡区的阈值选取法等。图像分割子程序流程如下图图像分割子程序流程图阈值分割程序桌面求出图像大小求出图像中最大的灰度最小的灰度开始读取图片转化为灰度图像求取最佳阈值阈值分割图像结束赋初值为最大值和最小值的平均值赋初值为计算灰度大于阈值的元素的灰度总值，个数赋值为计算灰度小于阈值的元素的灰度总值，个数赋值新旧阈值的允许接近程度记录几次循环阈值分割最佳算法循环次数的平均值赋初值为计算灰度大于阈值的元素的灰度总值，个数赋值为计算灰度小于阈值的元素的灰度总值，个数赋值新旧阈值的允许接近程度记录几次循环阈值分割最佳算法循环次数转化为灰度图片分别对进行中值滤波，最后相加统大小的模板默认为利用函数得到分割方法的灰度阈值得到二值图像伪色彩处理致谢本文是在王培昌老师的精心指导下完成的，从课题的选择到论文完成的整个过程，无不倾注王培昌老师的心血与细心指点。正是因为他的悉心指导和辛勤劳动，才使我的毕业设计和毕业论文得以顺利的完成他渊博的学识严谨的科学态度敬业的工作精神，以及正直宽容的人格魅力都给我留下了很深的印象，对我将来的工作学习和生活都有非常深刻的影响。我要向他致以衷心的感谢和深深的敬意。此外，在机电学院多年的学习中，得到了许多老师和同学的帮助，在此向他们表示我真诚的感谢,最后，我要深深感谢我的父母，他们为我的学习和生活付出了巨大的心血，他们的无私付出和奉献，给我巨大的动力，深深感谢他们对我的关心和支持。利用函数得到分割方法的灰度阈值,运行结果如图图图像分割后与原图比较彩色处理由于得到的图片是二值图片不容易和原图对比，最好转化为彩色图片。处理后得到本文的最终结果如图图最终图结论本文设计内容是图像处理，解决的主要问题是激光图像背景噪音的去除，本文包括图像转换中值去噪图像分割伪色彩处理几个主要部分。关于图像背景去噪，通过分析编写了中值去噪和图像分割的程序，图像分割的程序包括图像的二值化子程序阈值最优选取子程序。实验结果表明通过观察图的图像，本设计成功并且去除掉图中背景的噪音，证明本文在图像去噪中的有效性和实用性。通过运用中值去噪去除小噪音和图像分割去除大噪音方法，编写了去除噪音的子程序。通过对比图，利用中值去噪去除小噪音和图像分割去除大噪音方法，完成了事先的设想。通过多幅图像的实验，结果表明，大部分图像并不能通过利用图像分割完全去除大的噪音，但是本设计可以快速并且准确去除掉图中的小噪音。本设计完全可以应用到图像处理中。与此同时，本论文所在的研究工作仍然存在着许多缺陷有待进步的完善。参考文献郝文化，田蕾图形图像处理应用教程北京中国水利水电出版社,王家文,王皓,刘海编程基础北京机械工业出版社,章毓晋，图像工程图像处理和分析北京清华大学出版社,夏良正，数字图像处理，南京东南大学出版社,,戴得德，强噪声条件下激光光斑图像预处理方法研究计算机应用党丽萍，变背景条带状激光光斑边界的提点链接法,由图像梯度图中个边缘点出发,依次搜索并连接相邻边缘点从而逐步检测出边界的方法。哈夫变换法是利用图像全局特性而直接检测目标轮廓的种常见的方法,该方法的主要优点是受噪声和曲线间断的影响较小。区域提取方法区域提取法有两种基本形式种是从单个象素出发,逐渐合并以形成所需的分割区域另种是从全图出发,逐渐分裂切割至所需的分割区域。在实际中使用的通常是这两种基本形式的结合。根据以上两种基本形式,区域提取法可以分为区域生长法和分裂合并法。区域生长法的基本思想是将具有相似性质的象素合起来构成区域,具体做法是选给定图像中要分割的目标物体内的个小块或者说种子区域,再在种子区域的基础上不断将其周围的象素点以定的规则加入其中,达到最终将代表该物体的所有象素点结合成个区域的目的。该方法的关键是要选择合适的生长或相似准则。生长准则般可分为三种基于区域灰度差准则基于区域内灰度分布统计性质准则和基于区域形状准则。分裂合并法是先将图像分割成很多的致性较强的小区域,再按事实上的规则将小区域融合成大区域,达到分割图像的目的。区域提取法的缺点是往往会造成过度分割,即将图像分割成过多的区域。因此,近年来针对这种方法的研究较少。不过,还是有些新的算法出现,如王广君等人提出的基于四叉树结构的图像分割方法,将区域增长和人工智能结合起来,使分割速度大大提高,算法同时能得到图像目标大小目标灰度目标个数目标边界等。该方法对多目标图像分割有更好的适应性。刘宁宁等提出的基于代理机模型的交互式图像分割方法,代理机是完成特定功能的模块,通过控制界面和汇报界面实现与操作者的交互该方法特别适合医学图像分割。钱晓峰等人提出的种逆时针追踪轮廓线的彩色图像区域分割算法,其基本思想是按逆时针顺序追踪轮廓线,在追踪过程中避免了象素点的行政管理判断,采用回溯搜索解决奇点问题,从而保证追踪过程的连续性和正确性。王楠等人提出的种改进的彩色图像区域分割方法,充分利用彩色图像的颜色信息,采用灰图像和彩色信息分别处理的方法,根据图像具体的彩色信息进行了自适应分割。魏宝刚等人提出的基于区域生长法的多颜色空间,多度量准则的聚类算法和零碎区域的全并算法,使多颜色空间上的交互式图像分割取得了很好的效果。提出的基于设定值地图的区域生长方法等。本文主要采用阈值分割方法。阈值分割阈值分割方法的历史可追溯到近年前,现已提出了大量算法。对灰度图像的取阈值分割就是先确定个处于图像灰度取值范围之中的灰度阈值,然后将图像中各个象素的灰度值都与这个阈值相比较,并根据比较结果将对应的象素分为两类。这两类象素般分属图像的两类区域,从而达到分割的目的。从该方法中可以看出,确定个最优阈值是分割的关键。现有的大部分算法都是集中在阈值确定的研究上。阈值分割方法根据图像本身的特点,可分为单阈值分割方法和多阈值分割方法也可分为基于象素值的阈值分割方法基于区域性质的阈值分割方法和基于坐标位置的阈值分割方法。若根据分割算法所有的特征或准则,还可以分为直方图与直方图变换法最大类取方能使得网络的表达不够充分，从而导致网络外推能力不够而样本过多可能会出现样本冗长现象，既增加了网络的训练负担，也可能出现信息量过剩使得网络出现过拟合现象。总之，样本的选取过程需要注意代表性均衡性和用电负荷的自身特点，从而选择合理的训练样本。网络的设计本文依据人工神经网络来建模，根据网络来预测点负荷。如图预测点负荷的网络。图预测点负荷的网络网络是系统预测中应用特别广泛的种网络形式，因此，本文采用网络对负荷值进行预报。根据网络来设计网络，般的预测问题都可以通过单隐层的网络实现。本文由于输入向量有个元素，所以网络输入层的神经元有个，经过多次训练网络中间层的神经元可以取个。而输出向量有个，所以输出层中的神经元应该有个。网络中间层的神经元传输函数采用型正切函数，输出层神经元传递函数采用型对数函数。这是因为函数的输出位于区间，中，正好满足网络输出的要求。利用以下代码创建个满足上述要求的网络其中，变量用于规定输入向量的最大值最小值，规定了网络输入输出层隐层输入层向量的最大值为，最小值为。表示设定网络的训练函数为,它采用算法进行网络学习。网络训练计算出预测日点的归化系数网络经过训练后才可以用于电力负荷预测的实际应用。考虑到网络的结构比较复杂，神经元个数比较多，需要适当增大训练次数和学习速率。训练参数的设定如表所示。表训练参数训练次数训练目标学习速率训练代码如下为输入向量，为目标向量休息日训练结果为,,,工作日训练结果为,,,可见，经过次训练后，网络误差达到要求，结果如图休息日训练结果所示,图工作日训练结果所示。图休息日训练结果图工作日训练结果训练好的网络还需要进行测试才可以判定是否可以投入实际应用。休息日测试代码如下工作日测试代码如下有赵老师的悉心指导，本论文也不可能完成得如此顺利。在为期几个月的设计中，同学们的团结互助，无私帮助让我十分的感动，如果在这几个月中，我单凭己之力要完成本设计是十分困难的，因为本设计的知识和内容大部分是以前未曾接触的，有许多新的东西要求我在短短几个月内消化吸收。但我们小组做为个团队，大家相互帮助，相互鼓励，互相监督，共同讨论和解决问题，使论文能高质高效的完成。此外，我还要感谢我所列参考文献的作者，正是他们的许多研究成果给了我很大的帮助，在此表示诚挚的谢意这里利用仿真函数来计算网络的输出。预报误差曲线如图休息日预报误差曲线所示,图工作日预报误差曲线所示。图休息日预报误差图工作日预报误差结论分析电力负荷预测是电力调度用电计划规划等部门的重要工作，国内外关于短期负荷预测的文献很多，但是由于电力负荷受诸多因素的影响和负荷本身的不确定性，使得迄今还没有种十分满意的方法。本文介绍的基于神经网络的预测方法，在综合考虑天气情况历史负荷和日类型等对未来负荷影响的因素后，使用了神经网络的非线性拟合等功能，取得了较好的负荷预测效果。如表休息日预测结果对照所示，如表工作日预测结果对照所示。表休息日预测结果对照预测时段实际值预测值误差从表可见，个点的误差的绝对百分误空间方差法最小误差法与均匀化误差法共生矩阵法最大熵法简单统计法与局部特性法概率松驰法模糊集法特征空间聚类法基于过渡区的阈值选取法等。图像分割子程序流程如下图图像分割子程序流程图阈值分割程序桌面求出图像大小求出图像中最大的灰度最小的灰度开始读取图片转化为灰度图像求取最佳阈值阈值分割图像结束赋初值为最大值和最小值的平均值赋初值为计算灰度大于阈值的元素的灰度总值，个数赋值为计算灰度小于阈值的元素的灰度总值，个数赋值新旧阈值的允许接近程度记录几次循环阈值分割最佳算法循环次数的平均值赋初值为计算灰度大于阈值的元素的灰度总值，个数赋值为计算灰度小于阈值的元素的灰度总值，个数赋值新旧阈值的允许接近程度记录几次循环阈值分割最佳算法循环次数转化为灰度图片分别对进行中值滤波，最后相加统大小的模板默认为利用函数得到分割方法的灰度阈值得到二值图像伪色彩处理致谢本文是在王培昌老师的精心指导下完成的，从课题的选择到论文完成的整个过程，无不倾注王培昌老师的心血与细心指点。正是因为他的悉心指导和辛勤劳动，才使我的毕业设计和毕业论文得以顺利的完成他渊博的学识严谨的科学态度敬业的工作精神，以及正直宽容的人格魅力都给我留下了很深的印象，对我将来的工作学习和生活都有非常深刻的影响。我要向他致以衷心的感谢和深深的敬意。此外，在机电学院多年的学习中，得到了许多老师和同学的帮助，在此向他们表示我真诚的感谢,最后，我要深深感谢我的父母，他们为我的学习和生活付出了巨大的心血，他们的无私付出和奉献，给我巨大的动力，深深感谢他们对我的关心和支持。利用函数得到分割方法的灰度阈值,运行结果如图图图像分割后与原图比较彩色处理由于得到的图片是二值图片不容易和原图对比，最好转化为彩色图片。处理后得到本文的最终结果如图图最终图结论本文设计内容是图像处理，解决的主要问题是激光图像背景噪音的去除，本文包括图像转换中值去噪图像分割伪色彩处理几个主要部分。关于图像背景去噪，通过分析编写了中值去噪和图像分割的程序，图像分割的程序包括图像的二值化子程序阈值最优选取子程序。实验结果表明通过观察图的图像，本设计成功并且去除掉图中背景的噪音，证明本文在图像去噪中的有效性和实用性。通过运用中值去噪去除小噪音和图像分割去除大噪音方法，编写了去除噪音的子程序。通过对比图，利用中值去噪去除小噪音和图像分割去除大噪音方法，完成了事先的设想。通过多幅图像的实验，结果表明，大部分图像并不能通过利用图像分割完全去除大的噪音，但是本设计可以快速并且准确去除掉图中的小噪音。本设计完全可以应用到图像处理中。与此同时，本论文所在的研究工作仍然存在着许多缺陷有待进步的完善。参考文献郝文化，田蕾图形图像处理应用教程北京中国水利水电出版社,王家文,王皓,刘海编程基础北京机械工业出版社,章毓晋，图像工程图像处理和分析北京清华大学出版社,夏良正，数字图像处理，南京东南大学出版社,,戴得德，强噪声条件下激光光斑图像预处理方法研究计算机应用党丽萍，变背景条带状激光光斑边界的