基于多特征的彩色图像融合分割方法分析-analysis of color image fusion segmentation method based on multi - features.docxVIP

表格清单表1-1现有主要分割方法总结....................................................................4表3-16个颜色空间聚类结果的定性比较.................................................33表3-2几种算法的分割性能比较..............................................................37表4-1几种算法的分割性能的对比...........................................................49表4-2未融合纹理特征与融合纹理特征分割结果比较.............................49独创性声明本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研究成果。据我所知，除了文中特别加以标志和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得合肥工业大学或其他教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示谢意。学位论文作者签字：张利利签字日期：2011年4月16日学位论文版权使用授权书本学位论文作者完全了解合肥工业大学有关保留、使用学位论文的规定，有权保留并向国家有关部门或机构送交论文的复印件和磁盘，允许论文被查阅或借阅。本人授权合肥工业大学可以将学位论文的全部或部分论文内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存、汇编学位论文。（保密的学位论文在解密后适用本授权书）学位论文者签名：张利利导师签名：胡良梅签字日期：2011年4月16日签字日期：2011年4月16日学位论文作者毕业后去向：工作单位：电话：通讯地址：邮编：第一章绪论1.1图像分割的目的及意义科学研究表明，在人类获得的各种信息中大约有80%的信息来自视觉信息或者说图像(Image)信息，包括图像、图形、视频、文本、动画等，这是人类最有效的获取信息的方式，也是最重要的交流方式[1]。随着计算机技术的发展，越来越多的人利用计算机技术来获取和处理视觉图像信息，图像处理技术已成为视觉图像研究的主要手段，图像处理技术也越来越受到人们的关注。虽然计算机视觉研究已取得了较多的研究成果，但至今未能研究出一种能和生物视觉性能相当的自主视觉系统，其中一个相当重要的因素是生物的视觉系统很容易完成对复杂场景的快速、准确的分割，而计算机视觉系统在进行图像分割时却很难达到相应的速度和精度，所以要使计算机视觉技术进一步发展，必须研究快速、有效的图像分割技术[1]。在图像的研究和处理过程中，人们往往感兴趣的只是图像中的某些部分，这些部分被称为前景或目标，其他部分被称为背景；为了对目标进行分析和识别，需要对这些目标区域进行分离和提取，在此基础上才能进行进一步的分析处理；图像分割的目的就是为了将图像中的目标与背景分离，是一种在实际中大量应用的重要的图像技术[3]。图像技术在广义上是各种与图像有关的技术的总称，它包括的范畴很广，但可以根据其研究方法和抽象程度等的不同，分为各具特点又相互联系的3个层次：图像处理、图像分析和图像理解，这三者构成一个整体框架——图像工程[12]。图像分割(Imagesegmentation)在图像工程中占据重要的地位，是由图像处理进入图像分析的关键环节，图1-1显示了图像分割在图像工程中的位置；图像分割是对图像进行进一步的分析、理解和识别等处理的基础[5]。符号操作系目标统像素图像理解图像分析图像处理参数测量目标表达图像分割图1-1图像分割在图像工程中的位置图像分割的应用十分广泛，例如，在交通图像分析中，需要将车辆目标从背景中分割出来[6]；在自动文字识别系统中，需要对各种印刷体进行处理，将文字从中分割出来；在遥感图像应用中，将目标从SAR图像[7]或Lidar图像[10]中分割出来；在医学应用中，将脑部MR图像分割成白质(WM)、灰质(GM)、脑脊髓(CSF)等脑组织区域和其它非脑组织区域[8,9]；在农业应用中，图像分割被用于户外植物的监测中[11]等。在这些应用中，图像分割是后续图像分析和理解等处理的基础，分割结果的优劣直接影响随后的图像分析及理解的有效性[4]，因此图像分割具有十分重要的意义。但是，图像分割一直是计算机视觉研究中的经典难题之一，尽管一直受到研究人员的关注与重视，但其进展缓慢，依然是计算机视觉研究中的一个瓶颈。虽然目前存在的图像分割方法很多，但这些方法往往只对特定种类的图像有效，由于图像种类的多样性，目前还没有一种分割方法具有普遍的适应性和有效性；可以预见，在未来的几年中，迫切需要解决的图像分割问题仍