图像分割和提取方法的题库.docx

服装图像分割和提取方法的研究报告2013-7-8研究报告的主要内容本文首先对当前常见的图像分割和提取方法进行概要的介绍和分析，然后研究利用服装图像独有的特征进行图像分割和提取的方法，此外还对服装图像分割和提取的技术可行性进行了一定的分析。报告的主要内容有以下几个方面：常用图像分割的方法和性能；基于服装图像特征的服装提取方法；实现服装图像提取的可行性分析；常用的图像处理应用开发环境简介；1常用图像分割的方法和性能图像分割是把图像空间划分成若干个具有某些一致性属性的不重叠区域，并提取出感兴趣目标的技术。它是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”的区域的过程。对图像空间的划分通常建立在区域的相似性和非连续性这两个概念上。相似性就是同一区域中的类似像素特征；非连续性则表明不同区域间像素特征存在突变。图像分割可选择的性质有很多，如亮度、色彩、反射率、纹理等。传统的分割方法根据图像的主要特征可以划分为三大类：1、基于阈值的分割；2、基于边缘的分割；3、基于区域的分割。随着现代算法和智能技术的不断提高，新的图像分割方法层出不穷，如基于聚类的分割；基于进化算法的分割；基于神经网络的分割；基于模糊理论的分割等等。现具体介绍如下：1.1阈值分割技术基于阈值的分割方法是利用图像的灰度直方图信息得到用于分割的阈值，把图像分为具有不同灰度级的目标区