基于信息熵最大的图像分割研究毕业设计.docVIP

太　原　理　工　大　学 毕业设计（论文）任务书 第1页　　 毕业设计（论文）题目：基于信息熵最大的图像分割研究 毕业设计（论文）要求及原始数据（资料）： 图像分割是图像处理、模式识别、计算机视觉等领域中极为重要的内容之一，是实现自动图像分析时首先要完成的操作。它根据图像的某些特征或特征集合的相似性准则，对图像像素进行分组聚类，把图像平面划分为一系列“有意义”的区域，使其后的图像分析及识别等高级处理阶段所要处理的数据量大大减少，同时又保留有关图像结构特征的信息。由于图像分割方法是面向具体问题的，因此至今还没有一种通用的分割方法。在众多的分割方法中，阈值法是最重要的分割技术之一。常用的阈值法有最大类间方法差、迭代法和最大熵阈值法等。 熵的概念首先由克劳修斯在1865年提出，它反映了事件给与人们信息量的大小，可以说，它是信息量的一个度量。传统上，熵的数学定义与事件发生的概率相关联，大概率事件的熵值小，小概率事件则反之。Shannon将它引入到信息理论中，用于度量信息传输的有效性。 在图像处理领域，一幅图像可以被看作是信源，其灰度或颜色可看作是各种可能的输出，而它的某种分布图则是概率分布，因此阈值分割后图像的熵的最大化，则可以被理解为最大信息量的传输。 　　 第2页 本设计是针对数字图像利用信息熵标准进行图像分割，以提高图像分割的准确性。要求设计（论文）包括以下几方面