mean shift算法在彩色图像分割中的应用开题报告.docVIP

开题报告 课题名称：mean shift算法在彩色图像分割中的应用 学院（系）： 自动化 年级专业： 06工业自动化2班 学生姓名： 卢 斌 指导教师： 张旭光 完成日期： 2010-3-17 一、综述本课题国内外研究动态，说明选题的依据和意义 （一）国内外研究动态 基于是近年来国际上领域的一个新的研究热点。但由于其涉及的理论知识较多，应用也还处在初级阶段。因此国内这方面的研究报道并不多见Mean Shift算法是一个非常优秀的算法,是国外最近几年才发展起来的。国外研究者比较多,国内的很少,才见有几篇文章发表。初入跟踪领域,走过了很多弯路后,后来在Mean Shift算法上找到了突破口,并在该算法的研究中投入大量的时间随着智能化信息技术、工业自动化、自动识别、视频监控、视频跟踪等的快速发展，彩色图像处理日渐频繁。数字图像处理技术是一个跨学科的领域。随着计算机科学技术的不断发展，图像处理和分析逐渐形成了自己的科学体系，新的处理方法不穷，尽管其发展历史不长，但却引起各方面人士的广泛关注。图像分割是图像处理中最为基础和重要的领域之一，它是对图像进行视觉分析和模式识别的基本前提.图像分割的目的在于根据某些特征将一幅图像分成若干有意义的区域，使得这些特征在某一区域内表现一致或相似，而在不同区域间表现出明显的不同.多年来，已经提出了许多不同类型的图像分割方法.经典的方法有阈值法、区域生长法、松弛法、边缘检测法，以及分裂合并法等，现代的方法则有神经网络法和模糊聚类法等.有些分割运算可直接应用于任何图像，而另一些只能适用于特殊类别的图像。有些算法需要先对图像进行粗分割，因为他们需要从图像中提取出来的信息。值得提出的是，还没有唯一的标准的分割方法。许多不同种类的图像或景物都可作为待分割的图像数据，不同类型的图像，已经有相对应的分割方法对其分割，同时，某些分割方法也只是适合于某些特殊类型的图像分割。分割结果的好坏需要根据具体的场合及要求衡量。然而，对图像分割的效果好坏或正确与否，还没有一个统一的评价判断准则。不同的分割方法对同一幅图像的分割效果是不同的，而且同一种分割方法对一幅图像在不同空间下的分割效果也是不同的本课题就是从这一起点出发研究分割方法对一幅图像。目前，对于灰度图像的分割，已经有相当多的成果和结论，而对彩色图像的分割，由于比较复杂、运算量大，研究还比较少。彩色图像通常情况下比灰度图像包含更多的信息，更接近人的视觉感受，因此，对彩色图像分割的研究很有必要。目前提出的彩色图像分割方法主要有：基于边缘检测的方法、基于区域的方法、神经网络法以及其他技术方法。由于彩色图像本身的数据量比较大，导致区域调整的过程通常需要很大的计算量。因此为了提高分割速度，提出在彩色图像进行图像分割Mean shift并不算一种很新的特征空间分析算法，但是它原理简单，计算速度较快，通常能在一次分割后形成大量小的模态区域。这样便直接将问题分析层次从像素域提升，对后续处理有很大的好处。图像处理，是对图像进行分析、加工、和处理，使其满足视觉、心理以及其他要求的技术。图像处理是信号处理在图像域上的一个应用。目前大多数的图像是以数字形式存储，因而图像处理很多情况下指数字图像处理。图像处理技术在航空航天、工业生产、医疗诊断、资源环境、气象及交通监测、文化教育等领域有着广泛的应用，创造了巨额社会价值；同时还远远不能满足社会需求，自身也在不断完善和发展，有很多新的方面要探索。它必将先更深入、更完善的方向发展：处理算法更优化，处理速度更快，实现图形的智能生成、处理、识别和理解。（）研究的主要内容Mean Shift 算法的基本原理,并将算法运用于图像分割,通过实验证明了分割效果的有效性和稳定性； 3.掌握matlab汇编语言，并编写程序实现算法对图像的成功分割;　 （）　）研究方法　本文将对的基本理论进行简要介绍，并对当前用于图像分割的最新研究进展进行综述，并着重介绍的对于个别带有创新性的，，通过建立科学的假设，采用实验研究的方法。 　 　　Matlab图像处理与应用董长虹主编 赖志国, 余啸海编著，北京:国防工业出版社,2004 2 数字图像处理:MATLAB版/(美) Rafael C. Gonzalez, Richard E. Woods, Steven L. Eddins著 阮秋琦等译，北京:电子工业出版社,2005IEEE TRANSACTIONS ON PATTERN ANALYSIS AND MACHINE INTELLIGENCE,VOL.17, NO.8,AUGUST,1995 . 4 数字图像处理学[M