基于Gamma型模糊隶属度函数-构造的阈值分割算法开题报告演示幻灯片.pptxVIP

西安邮电大学基于Gamma型模糊隶属度函数构造的阈值分割算法——开题报告指导教师：答辩人：13 选题目的 要解决的问题42 工作思路及方案 前期准备CONTENTS选题目的图像分割是图像分析的基本、关键环节，为图像的后续处理提供依据。分割是指将图像划分为构成它的子区域。在解决图像分割问题的诸多方法中，阈值分割法由于具有简洁有效的特 点，因此受到广泛关注。人脸识别车牌识别由于图像是对客观存在物体的一种相似性的生动模仿与描述，是对物体的一种不完全、不精确的描述，因此，模糊集理论作为处理不精确信息的有力工具被广泛应用于图像处理领域，其中，基于模糊理论及其推广概念的阈值分割算法成为研究热点之一。前期基础研究此课题需要用到概率论与随机过程（模糊集与散度的概念以及Gamma分布的特征等），dsp原理（与图像处理有关的内容）等课程作为理论基础。在课程相关的实验以及课程设计中所应用到的matlab、ccs等平台作为实验基础。要解决的问题局部最值问题这些代价函数所求的最值实际上是局部最值，而不是全局最值。 因此在考虑了直方图边界后这些算法可能会失效1构造函数问题转化模糊集 找到最佳阈值 现有的隶属度函数构造方法通常是根据所处理的具体对象从中选择一个特定的隶属度函数进行分割，往往依赖于研究者个人喜好，容易忽略有价值的信息误分割2由于这些算法只关注于直方图而对图像本身不关心，而图像分割又是一个主观性很强的任务，因此上述的算法可能在实际的操作中会遇到“误分割”的问题。3工作思路及方案先确定一个处于图像灰度取值范围之中的灰度阈值，然后将图像中各个象素的灰度值都与这个阈值相比较,并根据比较结果将对应的象素分为两类。这两类象素一般分属图像的两类区域, 包括目标区域和背景区域，从而达到分割的目的。具体采用极大似然技术估算直方图参数，通过二阶微分估算直方图模型数目，利用模型Gamma分布估算图像视数，得到 Gamma 分布模型数M，图像视数L ， 初始统计特征，完成图像的分割，然后采用直方图函数合适的位置作为阈值来最小化图像类间误差法进行图像分割，从而达到最佳图像分割效果。利用分区最小分类误差原理计算各个分区的阈值，通过计算不同分区之间的分区错误概率最小值来确定不同分区的阈值。图像各分区阈值估计L是一个已知参数由图像格式是基于L来获得的，利用模型Gamma分布估算L值。图像视数估算将图像直方图平滑拟合成连续的函数，从函数的图像上可以得到直方图特征点构造连续函数