开题报告53537.docVIP

基于图像的道路分割技术研究 课题研究的目的、意义国内外研究现状、水平和发展趋势 课题之前的研究基础，前人所做的工作，图像分割是图像处理中的一项关键技术，自20世纪70年代起一直受到人们的高度重视，至今已提出上千种分割算法，但因尚无通用的分割理论，现提出的分割算法大都是针对具体问题的，并没有一种适合所有图像的通用分割算法，另外，还没有制定出选择适用分割算法的标准，这给图像分割技术的应用带来许多实际问题，最近几年又出现了许多新思路、新方法或改进算法，现有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全局阈值，局部阈值和自适应阈值三种分割算法，但是单阈值不能很好地处理包含多个前景的图像, 多阈值方法也有对于某些像素不能准确判断的缺点,因此，在克服以上理论缺点和承其优点的基础上，我将研究自适应阈值。现有的K-means算法存在很多缺点，如K值要事先给定，要根据初始聚类中心来确定一个初始划分，然后对初始划分进行优化，而且还要不断地进行样本分类调整。基于形态学分水岭的图像分割算法是目前图像分割中探讨较多的算法之一. 传统形态学分水岭算法主要存在过度分割和计算耗时两方面的问题。 从上世纪70年代起,许多研究人员为图像分割问题付出了巨大的努力。现代图像处理技术已成功地应用于许多领域。例如,机动车号牌识别,交通路口(段)的电子警察,文字识别(OCR),指纹识别,等等。图像分割是图像识别和图像理解的基本前提,图像分割质量的好坏直接影响后续图像处理的效果,因此图像分割的作用是至关重要的。图像分割是指将一幅图像分解为若干互不交叠的有意义具有相同性质的区域。好的图像分割应具备的特征:①分割出来的各区域对某种性质例如灰度,纹理而言具有相似性,区域内部是平整的且没有许多小孔;②相邻区域对分割所依据的性质有明显的差异;③区域边界是明确和规整的。大多数图像分割方法只是部分满足上述特征。如果加强分割区域的同性质约束,则分割区域很容易产生大量小孔和不规整边缘;若强调不同区域间性质差异的显著性,则易造成不同质区域的合并。具体处理时,不同的图像分割方法总是在各种约束条件之间寻找一种合理的折中[1]。 图像分割是图像处理到图像分析的关键步骤,也是进一步图像理解的基础。所谓图像分割是指把图像分成各具特性的区域并提取出感兴趣目标的技术和过程。借助集合概念对图像分割可给出如下比较正式的定义令集合R 代表整个图像区域,对的分割可看作将R分成N 个满足下列5 个条件的非空子集（子区域）R1,…,RN;① R1 U R2… U RN =R; ② 对所有的i 和j ,有Ri ∩ Rj = ? (i≠j); ③ 对i = 1 ,2 , ?, N ,有P(Ri) = TRUE; ④ 对i ≠ j ,有P(Ri ∪Rj) = FALSE; ⑤ 对i = 1 ,2 , ?, N , Ri 是连通区域。 其中P( Ri) 是对所有在集合Ri 中元素的逻辑谓词，?代表空集。 在实际应用中,图像分割不仅要把一幅图像分成满足上面5 个条件的各具特性的区域,而且需要把感兴趣目标区域提取出来。由于符合上述条件的分割计算十分复杂和困难,图像分割成为图像处理中一个经典的研究课题。 数字图像处理(Digital Image Processing)是通过计算机对图像进行去除噪声、增强、复原、分割、提取特征等处理的方法和技术。数字图像处理的产生和迅速发展主要受三个因素的影响一是计算机的发展二是数学的发展特别是离散数学理论的创立和完善;三是广泛的农牧业、林业、环境、军事、工业和医学等方面的应用需求的增长。 图像分割是将图像中有意义或有用的特征提取出来也可以说将图像分成各具特点的区域并提取出感兴趣目标的技术和过程。图像分割是由图像处理到图像分析的关键步骤它通常是为了进一步对图像进行分析、识别、压缩编码等处理的图像预处理环节,其分割的准确性直接影响后续任务的有效性,因此具有十分重要的意 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，新的处理方法层出不穷，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，它是指把图像分成各具特性的区域并提取出感兴趣目标的技术和过程。它是图像处理、模式识别和人工智能等多个领域中的重要课题，也是计算机视觉技术中的关键步骤。多年来，已经提出了许多不同类型的图像分割方法.经典的方法有灰度阈值分割法、边缘检测法和区域跟踪以及基于分水岭算法的分割方法等。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。例如，