图像分割算的研究与实现开题报告.doc

图像分割算法的研究与实现开题报告 湖北师范学院学士学位论文（设计）开题报告 学生 姓名 所在 院系 物理与电子信息科 学学院 所在 班级 指导 教师 学生 学号 专业 方向 电子信息科学与技 术 开题 时间 2010.3.8 导师 职称 论文 题目 图像分割算法的研究与实现 文献综述 文献综述文献综述 文献综述： ：： ： 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[2]。 图像分割方法 图像分割方法图像分割方法 图像分割方法 根据分割方法的不同特点可分为:阈值分割、基于边缘的图像分割、基于区域的图像分割、基于 模型的图像分割和基于人工智能的图像分割等[3]。 阈值分割 阈值分割阈值分割 阈值分割 图像分割的经典方法是基于灰度阈值的分割方法， 它通过设置阈值，把像素点按灰度级分若干 类，从而实现图像分割。把一副图像转化为二值图像是阈值分割的最简单形式。阈值处理是一种区域 分割技术，将灰度根据主观愿望分成两个或多个等间隔或不等间隔灰度区间， 它主要是利用图像中 要提取的目标物体和北京在灰度上的差异， 选择一个合适的阈值， 通过判断图像中的每一个像素点 的特征属性是否满足阈值的要求来确定图像中该像素点术语目标区还是应该属于区域，从而产生二值 图像，它对物体和背景有较强对比景物的分割特别有用。它计算简单，而且总能用封闭而且连通的边 界定义不交叠的区域。 阈值值分割主要有两个步骤： 1）确定正确分割的阈值; 2）将所有像素的灰度级与阈值进行比较，以进行区域划分， 达到目标与背景分离的目的。在这一过程中，正确确定阈值是关键，只要能确定一个合适的阐值 就可完成图像的准确分割。 阈值法简单、运算效率高，是图像分割中广泛采用的方法。 阈值分割法的结果很大程度上依赖于对阈值的选取，因此该方法关键是如何选择合适的阈值[4]。 常见阈值选取方法： 1.双峰法 双峰法的原理：是它假设图象是由前景和背景组成，在灰度直方图上前后二景都形成高峰，在双 峰之间的最低谷处就是图象的阈值所在。 该方法的分割效果来看，当前后景对比较为强烈时，分割效果较好，否则基本无效。 2.迭代法（最优方法） 它基于逼近的思想，基本算法如下： （1） 求出图像的最大灰度值和最小灰度值，分别记为Max和Min，令初始阈值为： 0()/2 TMaxMin=+ 根据阈值kT将图像分割为前景和背景，分别求出两者的平均灰度值0Z和bZ； （2） 求出阈值10()/2kbTZZ+=+； （3） 如果1kkTT =+；则所得即为阈值；否则转（2）迭代计算。 迭代所得的阈值分割图象的效果良好， 基于迭代