数字图像处理论文 图像分割.doc

数字图像处理 论文题目： 图像分割 学 院： 专业班级： 学 号： 姓 名： 日 期： 2014年 6 月 成 绩： 任课教师：  目录 一.摘要 2 二.正文内容 2 2.1图像和数字图像 图像分割的研究意义 2.3图像分割的发展现状及趋势 2.4分割方法与比较 4 三.总结及展望 10 四.参考文献 10 图像分割 一.摘要： 图像分割是进行图像理解的基础，是图像工程技术中的一个要问题。近年来，人们越来越重视图像的分割算法，并期望寻求一种实时性、鲁棒性较好的算法。图像分割技术在当今信息社会中具有极其广泛的用途，特别是在医学图像诊断、卫星遥感图像识别、交通车牌信息识别等等方面尤其有现实意义。目前机器学习技术正越来越多地引领图像分割领域的研究发展，支持向量机正是其中一种较为先进的研究方法。 2.1图像和数字图像 2.2图像分割的研究意义 图像分割是计算机图像处理的一个基本问题，是进行许多后续图像分析任务 的先行步骤。图像识别、图像可视化和基于目标的图像压缩都高度依赖图像分割的结果。因此，图像分割一直得到人们的高度重视，提出了很多分割法。图像分割时一种重要的图像技术，在不同领域中也具有不同的名称：如目标轮廓技术，阈值化技术，图像差分技术，目标检测技术，目标识别技术，标跟踪技术等，这些技术本身或其核心实际上也就是图像分割技术，图像分技术是图像处理、分析的一项基本内容。 图像分割的应用非常广泛，几乎出现在有关图像处理的所有领域，并涉及各种类型的图像。图像分割在工业自动化、在线产品检验、生产控制、文件图像处理、保安监视、以及军事、体育、农业工程方面都有广泛的应用。例如在医学中将核磁共振图像中特定的器官分割出来，用于疾病的诊断；在遥感图像中将农田分割出来用于估计农产品的产量；图像分割在地质、环保、气象等一系列领域也 有着广泛的应用。MPEG-4的一个重要思想就是基于对象的编码，在编码之前首先将对象分割出来等。在各种图像应用中，只要需对图像目标进行提取、 测量等都离不开图像分割。特性分割的准确性将直接影响后续任务的有性，因此图像分割具有十分重要的意义图像分割的发展现状及趋势 对于图像分割来说，如果不利用关于图像或所研究目标的先验知识，任何仅仅基于单纯的数学工具的方法都很难取得很好的效果。因此，在很多时候，人们倾向于重新设计一个针对具体问题的新算法来解决自己所面临的图像分割问题。然而由于我们只能用图像信息中的某些特征（如灰度差别、彩色差别、局部纹理差别/局部统计特征或局部区域的频谱特征差别等）去分割区域，因此各种分割方法必然会带有局限性；同时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机理的深刻认识，我们到目前为止还无法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。当我们现实中分割一幅图像时，一般是通过经验和直觉去选择方法，然后经过多次实践来找到一种最佳的方法。因此在图像分割过程中，有经验的人比较容易选择出适当的方法，使对不同图像都能得到不错的分割效果。但是当处理的图像十分庞大时，这种方法就比较困难了。 纵观最近几年图像分割技术的发展，我们不难看到以下的趋势[8]： 第一，很多学者致力于将新的概念、新的方法引入图像分割领域，如这几年新兴的模糊算法，神经网络与遗传算法，小波算法，粗集理论，数学形态学等理论都先后被应用于图像分割领域，有效的解决了原有方法的某些不足和缺陷，改善了分割效果，同时也拓宽了人们的思路。随着基础理论研究的不断发展，这一趋势也会不断发展下去。 第二，人们非常重视多种分割算法的结合。综合使用两种或两种以上的方法，能够在一定程度上克服单一算法在处理某些特定图像的缺陷和不足。如何结合不同的算法，以及采取何种的结合方式来弥补各自的不足、取得良好的分割效果将是人们在今后的长时间里都将关注的问题之一。 第三，针对特定区域的特殊问题，利用这些领域的专业知识来辅助解决图像分割问日，越来