此生不换独家通信专业资料-70.doc

西安邮电学院 毕业设计(论文)开题报告 计算机 学院 计算机科学与技术专业 07 级 01 班 课题名称： 基于分裂合并的 图像分割算法研究 学生姓名： 周磊 学号 指导教师： 吕 建 平 报告日期： 2010年12月10日 1.本课题所涉及的问题及应用现状综述 图像分割是指把图像分解成各具特性的区域并提取出感兴趣目标的技术和过程，它是计算机视觉领域的一个重要而且基本的问题，分割结果的好坏将直接影响到视觉系统的性能。因此从原理、应用和应用效果的评估上深入研究图像分割技术具有十分重要的意义。基于边缘检测方法种类繁多，主要包括基于EDGE函数、检测微小结构、四叉树分解和阈值分割的方法实现对图像的边缘检测及提取。而基于区域的图像分割方法主要包括区域生长法和分裂-合并分割方法。一般的的图像分割处理可以用EDGE函数，而特定的图像应用阈值分割、检测微小结构和四叉树分解比较简单。 对图像分割来说，如果不利用关于图像或所研究目标的先验知识，任何基于数学工具的解析方法都很难得到很好的效果。因此，在更多的时候，人们倾向于重新设计一个针对具体问题的新算法来解决所而临的图像分割问题。这在只有少量图像样本的时候，利用各种先验知识，设计一个具有针对性的算法进行图像分割是比较容易的。但是当需要构建一些实用的机器视觉系统时，所面临的将是具有一定差异性、数量庞大的图像库，此时如何很好的利用先验知识，设计一个对所有待处理图像都适用的分割算法将是一件非常困难的任务。其次，由于缺乏一个统一的理论作为基础，同时也缺乏对人类视觉系统(human vision system，HVS)机理的深刻认识，构造一种能够成功应用于所有图像的统一的图像分割算法，到目前为止还是难以实现的。 现实生活中在分割一幅图像时，多是依据经验和直觉去选择方法，通过反复实践来找到一种最佳的方法。与计算机科学技术的确定性和准确性相比，图像分割更像是一种艺术行为，有经验的人能比较容易的选用出适当的方法，使不同的图像都得到最佳的分割效果。但是，当要处理的图像十分庞大时，图像分割就像是流水线上的一道简单工序，这种艺术行为就显得无能为力了。随着图像技术和多媒体技术的发展，包括图像、音频和视频等信息的多媒体数据己经广泛用于Internet和企事业信息系统中，而且越来越多的商业活动、信息表现和事务交易中都将包括多媒体数据，自然也就包含了大量的图像，基于内容的图像检索(intent based image retrieval，CBIR)的广泛应用就是一个例子，这些常常都是以图像分割作为基础的。 近年来，随着各学科许多新理论和新方法的提出，人们也提出了许多结合一些特定理论、方法和工具的图像分割技术．由于图像分割技术至今尚无通用的自身理论，所以每当有新的数学工具或方法提出来，人们就尝试着将其用于图像分割，因而提出了不少特殊的算法．比如说:基于数学形态学的图像分割方法基、于模糊理论的图像分割方法 、基于神经网络的图像分割方法、基于支持向量机的图像分割方法、基于图论的图像分割方法 、 基于免疫算法的图像分割方法、基于粒度计算理论的图像分割方法。 在传统的图像分割方法基础上，也有了新的改进。比如说：基于改进遗传算法的分裂合并图像分割算法，对传统图像分割算法进行了改进和扩充,提出了一种将改进的自适应遗传算法与合并分裂法相结合的图像分割算法；研究分裂合并算法的优化方法,并提出相应的并行化方案。修改了图像在区域合并阶段中原有的最佳合并原则,增加了满足合并条件的相邻区域的匹配率,减少算法迭代次数。为解决合并阶段的负载不平衡提出了一种新方法;同时针对分裂阶段的负载不平衡,提出了一种新的分裂合并算法并行方案,并分析了两种并行方案在负载平衡,通信复杂度及可扩展性的差异。 2．本课题需要重点研究的关键问题、解决的思路及可行性分析 区域跟踪是寻找具有相似性的像素群，他们对应某种实体世界的平面或物体，它的方法是从某一像素出发按照属性一致性原则，这个一致性可以是灰度级、彩色、组织、梯度或其他特性等逐步地增加像素，既区域增长，对由这些像素组成的区域使用某种均匀测度函数测试其均匀性，若为真，则继续扩大区域，知道均匀测度为假。常用的方法有区域分割、区域生长发和区域分裂合并法。 区域生长和分裂合并是两种典型的串行分割技术，在分割过程中后续步骤的处理要根据前面步骤的结果进行判断而确定。区域增长的基本思想是将具有相似特性的象素合并起来从而构成区域。首先为每个需要分割的区域选择一个或一些种子象素作为生长起点，然后按一定的生