基于JAVA的图象分割处理毕业设计的开题报告.doc

基于JAVA的图象分割处理 1.本课题的研究意义2.本课题的基本内容 3.本课题的重点和难点 .本课题实现的结果 用JAVA语言实现Robert梯度算法来检测出图像中各个区域边缘。 用JAVA语言实现图像的阈值分割。 摘 要：图象分割是图象处理、模式识别和人工智能等多个领域中一个十分重要且又十分困难的问题。本文回顾和总结了一些存在的图象分割方法。从原理、应用和应用效果上对经典的图象分割方法如域值分割技术、区域增长和边缘检测等进行了分析，同时对目前图象分割领域中新的技术如分形、数学形态和神经网络技术进行了讨论。分析了图象分割技术研究的方向，需要解决的问题，提出了作者的观点。 关键词：计算机视觉；图象处理；图象分割 ? 0 引言 ? 图象分割是图象处理、模式识别和人工智能等多个领域中一个十分重要且又十分困难的问题，是计算机视觉技术中首要的、重要的关键步骤[1]。图象分割应用在许多方面[1]，例如在汽车车型自动识别系统中，从CCD摄像头获取的图象中除了汽车之外还有许多其他的物体和背景，为了进一步提取汽车特征，辨识车型，图象分割是必须的。因此其应用从小到检查癌细胞、精密零件表面缺陷检测，大到处理卫星拍摄的地形地貌照片等。在所有这些应用领域中，最终结果很大程度上依赖于图象分割的结果。因此为了对物体进行特征的提取和识别，首先需要把待处理的物体(目标)从背景中划分出来，即图象分割[2]。但是，在一些复杂的问题中，例如金属材料内部结构特征的分割和识别，虽然图象分割方法已有上百种，但是现有的分割技术都不能得到令人满意的结果[2]，原因在于计算机图象处理技术是对人类视觉的模拟，而人类的视觉系统是一种神奇的、高度自动化的生物图象处理系统[1]。目前，人类对于视觉系统生物物理过程的认识还很肤浅，计算机图象处理系统要完全实现人类视觉系统，形成计算机视觉，还有一个很长的过程。因此从原理、应用和应用效果的评估上深入研究图象分割技术，对于提高计算机的视觉能力和理解人类的视觉系统都具有十分重要的意义。 ? 1 经典的图象分割方法 ? 1.1阈值分割方法 域值分割技术是经典的、流行的图象分割方法之一，也是最简单的一种图象分割方法，这种方法的关键在于寻找适当的灰度域值。通常是根据图象的灰度直方图来选取。阈值分割可以通过全局的信息如整个图象的灰度直方图，或者局部信息如灰度共生矩阵实现。如果在整个图象中只使用一个阈值，则这种方法叫做全局阈值法。反之，如果这个图象被分割成几个区域，针对每一个区域均有一个阈值，则这种方法叫做局部阈值法。一些学者认为也可以把阈值分割技术分为单阈值法和多阈值法。在单阈值法中，整个图象分成两个区域，即目标对象（黑色）和背景（白色）；当整个图象由几个带有不同表面特征的对象组成时（对于强度图象，表示具有不同灰度值的目标）需要几个不同的阈值，这就是多阈值法。在这种情况下，我们的目的是获得一个阈值集合（t1,t2, …,tk ），使得所有灰度值满足f(x,y)∈[ti,ti+1] 的象素点构成第i个区域，其中(i=0,1, …,k)。阈值分割法，也可以看成是一个分类问题，比如单阈值分割中，相当于把所有象素点分成两类：目标和背景。 1.2区域增长技术 域值分割技术是一种简单的图象分割技术，它仅适用于高反差的简单图象的分割，不能满足灰度渐变或以某种纹理而不是灰度来表征不同区域的那些复杂图象的分割。区域增长是一种已受到人工智能领域中的计算机视觉十分关注的图象分割方法。特别适合于分割纹理图象，即可以用灰度与局部特征值信息进行简单的聚类分类，也可以用统计均匀性检测进行复杂的分裂与合并处理。这种方法是把一幅图象分成许多小区域开始的。这些初始的小区域可能是小的邻域甚至是单个象素。在每个区域中，通过计算能反映一个物体内象素一致性的特征，作为区域合并的判断标准。这些用于区分不同物体内象素一致性的特征包括平均灰度值，纹理，或者颜色信息等。区域合并的第一步是赋给每个区域一组参数,即特征。这些参数能够反映区域属于哪个物体。接下来对相邻区域的所有边界进行考查。相邻区域的特征值之间的差异是计算边界强度的一个尺度。如果给定边界两侧的特征值差异明显，那么这个边界很强，反之则弱。强边界允许继续存在，而弱边界被消除，相邻区域被合并。因此区域合并是一个迭代过程，每一步重新计算被扩大区域的物体内各象素一致性的特征并消除弱边界。没有可以消除的弱边界时，区域合并过程结束。这时,图像分割也就完成。这个过程使人感觉这是一个物体内部的区域不断增长直到其边界对应于物体的真正边界为止的“生长”过程。 1.3边缘检测方法 图象分割能够通过检测不同区域的边缘来获得。对于强度图象，边缘的定义是指那些强度发生突变的点。由边缘的定义可知边缘是图象的局部特征，因此决定某个象素点是否是边缘只需要局部信息。Dav