数学建模图像分割题如何做

⑴ 数学建模怎么做

先选好题目，一般有A、B题，针对本科而言，然后进行题目的分析，深入挖掘题目所反映的实际问题，牵涉到管理工程、物理、生物、数学等一些与实际生活密切相关的交叉学科比较前沿的问题，题目分析后，进行模型的选择，数学建模培训都会学一些算法、模型等。选完后，要根据题目想想模型适用吗？得到结果正确吗？如果不正确应该怎么样模拟、仿真？等问题，然后进行模型求解，一般来说A题都要求结果偏差不能太大，而B题的话，结果比较开放。最后进行模型结果的检验和模型应用的推广。主要步骤就这些，不知道答案是否和你心意。呵呵

⑵ 数学建模怎么做

传统的观点
数学=逻辑的推理
数学=思想的体操
数学=难题的求解
数学——研究数和空间图形的科学。
特点：系统性、精确性、抽象性

2. 数学模型的特点

数学模型：用图形、符号所刻画的一个实际问题的模型。这里的实际问题既包涵具体的自然现象比如自由落体现象，也包涵抽象的现象比如顾客对某种商品所取的价值倾向。
我们也可以这样直观地理解这个概念：数学建模是一个让纯粹数学家（指只懂数学不懂数学在实际中的应用的数学家）变成物理学家，生物学家，经济学家甚至心理学家等等的过程。

3. 数学模型的分类

按不同的分类标准可作如下不同的分类：
第一，按模型的应用领域的不同可分为人口模型、交通模型、环境模型、生态模型、水资源模型、城市规划模型、生产过程模型等。
第二，按建立模型所采用的方法分为初等数学模型、几何模型、微分方程模型、图论模型、马氏链模型、最优化模型等。
第三，按模型的特性分，有确定性模型和随机性模型、静态模型和动态模型、离散模型和连续模型等。
第四，按建模的目的分为描述模型、仿真模型、分析模型、预报模型、 优化模型、决策模型、控制模型等。
第五，按照对模型结构和参数的了解程度可分为三种模型：模型的结构和参数都是已知的，称为白箱模型；只知其结构，参数未知的称为灰箱模型；结构和参数均为未知的模型称为黑箱模型。
�8�5
二、建立数学模型的程序及简单举例

1.建立数学模型的程序

数学建模—是一个过程：

A 模型准备

要求建模者深刻了解实际问题的背景, 明确建模的目的; 进行全面深入细致的调查研究, 尽量掌握建模对象的各种信息; 找出实际问题的内在规律. 这是向实际工作者和有关专家学习的过程.

B 模型假设

现实问题涉及面广, 一般不可能面面俱到, 必须根据调查得到的信息, 将实际问题简化、理想化. 这就要求抓住主要因素, 抛弃次要因素, 提出恰当的假设. 在提出假设时, 如考虑因素过多, 模型过于复杂就无法求解; 反之如考虑因素过少, 模型十分粗糙, 就会与实际情况不符. 一个较理想的数学模型往往要多次修改假设才能得到.

C 模型建立

利用恰当的数学工具建立各种量 (常量和变量) 之间的数学关系. 建模时究竟采用何种数学工具要根据问题的特征、建模的目的以及建模者的数学特长而定. 可以这样说, 在建立模型时可能用到数学的任一分支; 同一实际问题可以用不同的数学方法建立不同的模型. 一般而言, 在达到预期目标的前提下, 应采用尽可能简单的数学工具以便为更多的人接受和使用.

D 模型求解

包括求解各种类型的方程、画图、列表、证明定理、逻辑运算、上机计算和制作软件包等.

E 模型分析和检验

根据模型的特点和模型求解的结果, 分析各种变量之间的依赖关系、稳定性质, 作出预测、最优决策与控制, 然后将分析的结果与客观的实际情况比较, 检验模型的合理性和适用范围. 如果不合理, 则修改原来的假设重新建模, 直到模型求解结果符合实际情况和建模的要求为止.

F 模型应用

⑶ 请教各位高手一个简单的数学建模问题,谢谢,如何将一个不规则的蛋糕平分成两部分........

可以先将它分成规则图形几份,每份切一半,把每份切的半个聚集在一起,就是这块蛋糕的一半了.

⑷ 【高悬赏】跪求一道数学建模题的详细解答 x=[66 49 71 56 38],绘制饼图，并将第五个切块分离出来。

这样的能看懂吗

⑸ 机器人视觉系统中图像分割技术传统方法概论1

姓名：寇世文

学号：21011110234

【嵌牛导读】：随着人工智能技术的不断发展，智能机器人领域也得到了空前的发展。尤其是深度神经网络广泛应用于视觉系统中后，取得了许多很明显的成效。对于自主移动机器人来说，视觉系统有着十分重要的作用，而图像分割技术更是在这个系统中担任着十分重要的角色。传统的图像分割技术基本上已经能够将图像的前景和后景分隔开来，但是近年来随着深度学习算法的发展，人们开始将其应用到图像分割中，提出了很多分割网络，也达到了很好的分割效果。在实现图像分割的基础上，人们还使得分割具有了语义类别和标签，就是现在的语义分割。本文在介绍了语义分割的基础上又引出了新的任务分割场景，实例分割和全景分割。并且介绍了最近研究的热点三维点云的语义分割问题，阐述了其实现的必要性。

【嵌牛鼻子】智能机器人，图像分割、语义分割、计算机视觉

【嵌牛提问】图像分割技术的传统常见方法

【嵌牛正文】

一、引言

        计算机视觉，即computer vision，就是通过计算机来模拟人的视觉工作原理，来获取和完成一系列图像信息处理的机器。计算机视觉属于机器学习在视觉领域的应用，是一个多学科交叉的研究领域，其涉及数学、物理、生物、计算机工程等多个学科。

计算机视觉的主要应用有无人驾驶、人脸识别、无人安防、车辆车牌识别、智能传图、3D重构、VR/AR、智能拍照、医学图像处理、无人机、工业检测等。人驾驶又称自动驾驶，是目前人工智能领域一个比较重要的研究方向，让汽车可以进行自主驾驶，或者辅助驾驶员驾驶，提升驾驶操作的安全性。人脸识别技术目前已经研究得相对比较成熟，并在很多地方得到了应用，且人脸识别准确率目前已经高于人眼的识别准确率。安防一直是我国比较重视的问题，也是人们特别重视的问题，在很多重要地点都安排有巡警巡查，在居民小区以及公司一般也都有保安巡查来确保安全。车辆车牌识别目前已经是一种非诚成熟的技术了，高速路上的违章检测，车流分析，安全带识别，智能红绿灯，还有停车场的车辆身份识别等都用到了车辆车牌识别。3D重构之前在工业领域应用比较多，可以用于对三维物体进行建模，方便测量出物体的各种参数，或者对物体进行简单复制。计算机视觉还有很多应用，随着技术的发展，应用领域也会越来越多。在工业领域的应用，在机器人技术方面的应用等。

对于传统的图像分割过程，通常可以分为5个步骤，即特征感知、图像预处理、特征提取、特征筛选和推理预测与识别。通过研究发现，在视觉的早期的发展过程中，人们对于图像中的特征并没有表现出足够的关注。且传统的分割过程是把特征提取和分类分开来做的，等到需要输出结果的时候再结合到一起，可想而知其实现的困难程度。

在深度学习算法出来之后，卷积神经网络被广泛应用于计算机视觉技术中，也因此衍生出了很多的研究方向。深度学习主要是以特征为基础来进行比对，如在人脸识别方面，使用卷积神经网络分别对两张人脸进行不同位置的特征提取，然后再进行相互比对，最后得到比对结果。目前的计算机视觉的主要研究方向有图像分类、目标检测、图像分割、目标跟踪、图像滤波与降噪、图像增强、风格化、三维重建、图像检索、GAN等。本文主要是针对图像分割这一领域，进行简要的概述。

图像分割技术是计算机视觉领域的个重要的研究方向，是图像语义理解的重要一环。图像分割是指将图像分成若干具有相似性质的区域的过程，从数学角度来看，图像分割是将图像划分成互不相交的区域的过程。近些年来随着深度学习技术的逐步深入，图像分割技术有了突飞猛进的发展，该技术相关的场景物体分割、人体前背景分割、人脸人体Parsing、三维重建等技术已经在无人驾驶、增强现实、安防监控等行业都得到广泛的应用。

二、发展现状

        近来已经有很多学者将图像分割技术应用到移动机器人的控制中，能够做到在机器人运动的同时定位、构建地图并分割出不同的前景和后景，使视觉系统扫描到的图像具有语义信息。并有学者也致力于分割得更为准确和精细，不仅能够做到区分不同类的物体，也能够实现对同类的不同物体的分类，甚至可以做到在此基础上加上对背景的分割。由于我们生活的世界是三维空间，还有学者将图像场景还原到三维中，然后使用相关方法对整个三维场景进行分割。作为计算机视觉的研究中的一个较为经典的难题，图像分割这一领域也越来越被人们所关注。

        首先是传统的图像分割方法。在传统分割方面，人们使用数字图像处理、拓扑学、数学等方面的知识来进行图像分割。虽然现在的算力逐渐增加且深度学习不断发展，一些传统的分割方法所取得的效果不如深度学习，但是其分割的思想仍有很多值得我们去学习的。

        第一种方法是基于阈值的图像分割方法。这种方法的核心思想是想根据图像的灰度特征来给出一个或多个灰度阈值，将此阈值作为一个标准值与图像中的每个像素逐一进行比较。很容易想到，通过这个逐一比较过程能够得到两类结果，一类是灰度值大于阈值的像素点集，另一类是灰度值小于阈值的像素点集，从而很自然地将图像进行了分割。所以，不难发现，此方法的最关键的一步就是按照一定的准则函数来得到最佳灰度阈值，这样才能够得到合适的分类结果。值得一提的是，如果图像中需要分割的目标和背景分别占据了不同的灰度值甚至是不同的等级，那使用这种方法会得到很好的效果。并且，假如对于一张图像的处理，我们只需要设定一个阈值时，可以将其称为单阈值分割。但是图像中如果不止一个目标，即有多个目标需要进行提取的时候，单一阈值分割就无法做到将它们都分割开来，此时应选取多个阈值对其进行处理，这个分割的过程为多阈值分割。总的来说，阈值分割法有着其独特的特点，其计算简单、效率较高。但是，由于这种方法只考虑的是单个像素的灰度值及其特征，而完全忽略了空间特征，这也就导致了其对噪声比较敏感且鲁棒性不高。

        第二种方法是基于区域的图像分割方法。这种方法具有两种基本形式：一种是区域生长，这种分割方法是从单个像素出发，逐渐将相似的区域进行合并，最终得到需要的区域。另一种方法是直接从图像的全局出发，一点一点逐步切割至所需要的区域。区域生长指的是，给定一组种子像素，其分别代表了不同的生长区域，然后让这些种子像素逐渐合并邻域里符合条件的像素点。如果有新的像素点添加进来，同样把它们作为种子像素来处理。

        区域分裂合并的分割过程可以说是区域生长的逆过程，这种方法是从图像的全局出发通过不断分裂得到各个子区域，然后提取目标的过程。此外，在此过程中，还需要合并前景区域。

        在区域分割方法中还有一种分水岭算法。受启发于分水岭的构成，这种分割方法将图像看作是测地学上的拓扑地貌，这样图像中每一个像素点对应的海拔高度可以用该点的灰度值来表示。分水岭的形成过程实际上可以通过模拟浸入过程来实现。具体做法是，在每个局部极小值的表面都刺穿一个小孔，然后把模型慢慢浸入水中，随着水慢慢浸入其中，分水岭就随之形成了。

        第三种方法是基于边缘检测的分割方法。边缘检测的思想就是试图通过检测不同物体的边缘来将图像分割开来，这种方法是人们最先想到的也是研究最多的方法之一。如果我们将图片从空间域变换到频率域中去，其中物体的边缘部分就对应着高频部分，很容易就能够找到边缘信息，因此也使得分割问题变得容易。边缘检测的方法能够实现快而且准确的定位，但是其不能保证边缘的连续性和封闭性，且当一幅图像的细节信息过多时，其就会在边缘处产生大量的细碎边缘，在形成完整的分割区域时就会有缺陷。

        第四种图像分割方法结合了特定的工具。这里所说的特定工具是各种图像处理工具以及算法等，随着图像分割研究工作的深入，很多学者开始将一些图像处理的工具和一些算法应用到此工作中，并取得了不错的结果。小波变换在数字图像处理中发挥着很重要的作用，它能够将时域和频域统一起来研究信号。尤其是在图像边缘检测方面，小波变换能够检测二元函数的局部突变能力。其次是基于遗传算法的图像分割，遗传算法主要借鉴了生物界自然选择和自然遗传机制的随机化搜索方法。其模拟了由基因序列控制的生物群体的进化过程，其擅长于全局搜索，但是局部搜多能力不足。将遗传算法应用到图像处理中也是当前研究的一个热点问题，在此选择这种方法的主要原因是遗传算法具有快速的随机搜索能力，而且其搜索能力与问题的领域没有任何关系。

        除此之外，还有基于主动轮廓模型的分割方法，这种方法具有统一的开放式的描述形式，为图像分割技术的研究和创新提供了理想的框架。此方法也是对边缘信息进行检测的一种方法，主要是在给定图像中利用曲线演化来检测目标。

⑹ 数学建模竞赛试题如何做相关的数学应用软件该怎样学习

我给你的建议是：
1、努力学习数学知识，完善自己的知识体系，尤其是与数学相关的知识体系，比如高等数学、工程数学和应用数学的相关知识；扩充自己的知识面，你可以看到很多赛题都是很现实的社会热点问题，相关的背景知识是非常必要的；
2、多看一些案例分析的教程，在学习案例分析时的注意点是：如何考虑现实问题中的各个因素，综合运用所学知识，建立适当的模型；如何进行模型的优化；如何求解模型；如何解释模型的解。
还要逐步去理解数学建模中最难的三个问题，a、如何用学到的数学思想来表述所面对的问题，所谓的建模。b、应用学到的数学知识解刚刚建立的数学模型，并进行优化。c、将刚刚得到的数学上的解解释为现实问题中的现象或者是方法。这三个过程体现了一个“现实——>数学——>现实”的一个过程。这其实就是最难的地方。这需要你首先了解面临的实际问题，然后从现实中转入数学，再从数学中跳出来回到现实。
3、说到matlab，我建议你借一本matlab手册做参考书就行了！毕竟matlab只是实现你数学模型的基础，这不是说matlab不重要，其实matlab也很重要！

⑺ 关于数学建模

数学建模
数学模型（Mathematical Model）是一种模拟，是用数学符号、数学式子、程序、图形等对实际课题本质属性的抽象而又简洁的刻划，它或能解释某些客观现象，或能预测未来的发展规律，或能为控制某一现象的发展提供某种意义下的最优策略或较好策略。数学模型一般并非现实问题的直接翻版，它的建立常常既需要人们对现实问题深入细微的观察和分析，又需要人们灵活巧妙地利用各种数学知识。这种应用知识从实际课题中抽象、提炼出数学模型的过程就称为数学建模（Mathematical Modeling）。
过程
模型准备
了解问题的实际背景，明确其实际意义，掌握对象的各种信息。用数学语言来描述问题。
模型假设
根据实际对象的特征和建模的目的，对问题进行必要的简化，并用精确的语言提出一些恰当的假设。
模型建立
在假设的基础上，利用适当的数学工具来刻划各变量之间的数学关系，建立相应的数学结构（尽量用简单的数学工具）。
模型求解
利用获取的数据资料，对模型的所有参数做出计算（或近似计算）。
模型分析
对所得的结果进行数学上的分析。
模型检验
将模型分析结果与实际情形进行比较，以此来验证模型的准确性、合理性和适用性。如果模型与实际较吻合，则要对计算结果给出其实际含义，并进行解释。如果模型与实际吻合较差，则应该修改假设，再次重复建模过程。
模型应用
应用方式因问题的性质和建模的目的而异。

大学生数学建模竞赛
全国大学生数学建模竞赛
全国大学生数学建模竞赛是国家教育部高教司和中国工业与应用数学学会共同主办的面向全国大学生的群众性科技活动，目的在于激励学生学习数学的积极性，提高学生建立数学模型和运用计算机技术解决实际问题的综合能力，鼓励广大学生踊跃参加课外科技活动，开拓知识面，培养创造精神及合作意识，推动大学数学教学体系、教学内容和方法的改革。竞赛题目一般来源于工程技术和管理科学等方面经过适当简化加工的实际问题，不要求参赛者预先掌握深入的专门知识，只需要学过普通高校的数学课程。题目有较大的灵活性供参赛者发挥其创造能力。参赛者应根据题目要求，完成一篇包括模型的假设、建立和求解，计算方法的设计和计算机实现，结果的分析和检验，模型的改进等方面的论文（即答卷）。竞赛评奖以假设的合理性、建模的创造性、结果的正确性和文字表述的清晰程度为主要标准。 全国统一竞赛题目，采取通讯竞赛方式，以相对集中的形式进行；竞赛一般在每年9月末的三天内举行；大学生以队为单位参赛，每队3人，专业不限。
全国大学生数学建模竞赛章程（2008年）
第一条 总则 全国大学生数学建模竞赛（以下简称竞赛）是教育部高等教育司和中国工业与应用数学学会共同主办的面向全国大学生的群众性科技活动，目的在于激励学生学习数学的积极性，提高学生建立数学模型和运用计算机技术解决实际问题的综合能力，鼓励广大学生踊跃参加课外科技活动，开拓知识面，培养创造精神及合作意识，推动大学数学教学体系、教学内容和方法的改革。 第二条 竞赛内容 竞赛题目一般来源于工程技术和管理科学等方面经过适当简化加工的实际问题，不要求参赛者预先掌握深入的专门知识，只需要学过高等学校的数学课程。题目有较大的灵活性供参赛者发挥其创造能力。参赛者应根据题目要求，完成一篇包括模型的假设、建立和求解、计算方法的设计和计算机实现、结果的分析和检验、模型的改进等方面的论文（即答卷）。竞赛评奖以假设的合理性、建模的创造性、结果的正确性和文字表述的清晰程度为主要标准。 第三条 竞赛形式、规则和纪律 1．全国统一竞赛题目，采取通讯竞赛方式，以相对集中的形式进行。 2．竞赛每年举办一次，一般在某个周末前后的三天内举行。 3．大学生以队为单位参赛，每队3人（须属于同一所学校），专业不限。竞赛分本科、专科两组进行，本科生参加本科组竞赛，专科生参加专科组竞赛（也可参加本科组竞赛），研究生不得参加。每队可设一名指导教师（或教师组），从事赛前辅导和参赛的组织工作，但在竞赛期间必须回避参赛队员，不得进行指导或参与讨论，否则按违反纪律处理。 4．竞赛期间参赛队员可以使用各种图书资料、计算机和软件，在国际互联网上浏览，但不得与队外任何人（包括在网上）讨论。 5．竞赛开始后，赛题将公布在指定的网址供参赛队下载，参赛队在规定时间内完成答卷，并准时交卷。 6．参赛院校应责成有关职能部门负责竞赛的组织和纪律监督工作，保证本校竞赛的规范性和公正性。 第四条 组织形式 1．竞赛由全国大学生数学建模竞赛组织委员会（以下简称全国组委会）主持，负责每年发动报名、拟定赛题、组织全国优秀答卷的复审和评奖、印制获奖证书、举办全国颁奖仪式等。 2．竞赛分赛区组织进行。原则上一个省（自治区、直辖市）为一个赛区，每个赛区应至少有6所院校的20个队参加。邻近的省可以合并成立一个赛区。每个赛区建立组织委员会（以下简称赛区组委会），负责本赛区的宣传发动及报名、监督竞赛纪律和组织评阅答卷等工作。未成立赛区的各省院校的参赛队可直接向全国组委会报名参赛。 3．设立组织工作优秀奖，表彰在竞赛组织工作中成绩优异或进步突出的赛区组委会，以参赛校数和队数、征题的数量和质量、无违纪现象、评阅工作的质量、结合本赛区具体情况创造性地开展工作以及与全国组委会的配合等为主要标准。 第五条 评奖办法 1．各赛区组委会聘请专家组成评阅委员会，评选本赛区的一等、二等奖（也可增设三等奖），获奖比例一般不超过三分之一，其余凡完成合格答卷者可获得成功参赛证书。 2．各赛区组委会按全国组委会规定的数量将本赛区的优秀答卷送全国组委会。全国组委会聘请专家组成全国评阅委员会，按统一标准从各赛区送交的优秀答卷中评选出全国一等、二等奖。 3．全国与各赛区的一、二等奖均颁发获奖证书。 4．对违反竞赛规则的参赛队，一经发现，取消参赛资格，成绩无效。对所在院校要予以警告、通报，直至取消该校下一年度参赛资格。对违反评奖工作规定的赛区，全国组委会不承认其评奖结果。 第六条 异议期制度 1．全国（或各赛区）获奖名单公布之日起的两个星期内，任何个人和单位可以提出异议，由全国组委会（或各赛区组委会）负责受理。 2．受理异议的重点是违反竞赛章程的行为，包括竞赛期间教师参与、队员与他人讨论，不公正的评阅等。对于要求将答卷复评以提高获奖等级的申诉，原则上不予受理，特殊情况可先经各赛区组委会审核后，由各赛区组委会报全国组委会核查。 3．异议须以书面形式提出。个人提出的异议，须写明本人的真实姓名、工作单位、通信地址（包括联系电话或电子邮件地址等），并有本人的亲笔签名；单位提出的异议，须写明联系人的姓名、通信地址（包括联系电话或电子邮件地址等），并加盖公章。全国组委会及各赛区组委会对提出异议的个人或单位给予保密。 4．与受理异议有关的学校管理部门，有责任协助全国组委会及各赛区组委会对异议进行调查，并提出处理意见。全国组委会或各赛区组委会应在异议期结束后两个月内向申诉人答复处理结果。 第七条 经费 1．参赛队所在学校向所在赛区组委会交纳参赛费。 2．赛区组委会向全国组委会交纳一定数额的经费。 3．各级教育管理部门的资助。 4．社会各界的资助。 第八条 解释与修改 本章程从2008年开始执行，其解释和修改权属于全国组委会。

⑻ 数学建模应该如何做呢！需要了解些什么！

数学建模首先花点时间选题，选一个资料比较多而且自己比较熟悉的，选好后根据题意结合查阅的文献进行建模求解。最重要的是写论文。一般的论文的格式有摘要、问题的背景与重述（一般就是照抄原题，当然加上自己的理解最好）、全局符号说明、模型假设、模型的建立与求解、模型的改进与评价（优缺点都要说）、参考文献、附录。论文摘要的写作是关键，所以你的论文摘要一定要写好。要把你针对问题所建立的模型名称、计算结果列出来。记住，论文是最重要的，一定要写好。

⑼ 数学建模怎么做啊

数学建模就是通过计算得到的结果来解释实际问题，并接受实际的检验，来建立数学模型的全过程。当需要从定量的角度分析和研究一个实际问题时，人们就要在深入调查研究、了解对象信息、作出简化假设、分析内在规律等工作的基础上，用数学的符号和语言作表述来建立数学模型。

模型准备
了解问题的实际背景，明确其实际意义，掌握对象的各种信息。以数学思想来包容问题的精髓，数学思路贯穿问题的全过程，进而用数学语言来描述问题。要求符合数学理论，符合数学习惯，清晰准确。

模型假设
根据实际对象的特征和建模的目的，对问题进行必要的简化，并用精确的语言提出一些恰当的假设。

模型建立
在假设的基础上，利用适当的数学工具来刻划各变量常量之间的数学关系，建立相应的数学结构（尽量用简单的数学工具）。

模型求解
利用获取的数据资料，对模型的所有参数做出计算（或近似计算）。

模型分析
对所要建立模型的思路进行阐述，对所得的结果进行数学上的分析。

模型检验
将模型分析结果与实际情形进行比较，以此来验证模型的准确性、合理性和适用性。如果模型与实际较吻合，则要对计算结果给出其实际含义，并进行解释。如果模型与实际吻合较差，则应该修改假设，再次重复建模过程。

⑽ 2013数学建模B怎么做

这是我今天交的，B题（问题三其中某一面），其中a.bmp面不一定全是正面，b.bmp面不一定全是反面。

先把图片根据灰度值分类，（最大匹配度180,180行都匹配），在分类的基础上，分四种情况，用最小二乘法Σ(a-b)2 ，分四种情况：

主要分如下四种情况来匹配：

擦，本来还想把数学公式粘上来，可是输入不支持！！！？？？？

然后计算综合匹配度最高的，拼接。

然后把你拼接好的灰度值矩阵，显示成图片，这样直接看整个图片人工干预，找出衔接不合理的地方..................上图是我完全拼接完成后的图片。