【硕士论文】基于特征处理的图像分割技术研究.pdf

《【硕士论文】基于特征处理的图像分割技术研究.pdf》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、华中科技大学硕士学位论文基于特征处理的图像分割技术研究姓名：吕雪峰申请学位级别：硕士专业：控制理论与控制工程指导教师：王敏20031028摘要图像分割是图像处理与图像分析的重要步骤。一方面它是目标表达的基础，对特征测量有重要的影响:另一方面因为图像分割及基于分割的目标表达、特征抽取和参数测量等将原始图像转化成为更抽象更紧凑形式的处理，使更高层的图像分析和理解成为可能。在各种图像应用中只要对图像目标进行抽取，测量等都离不开图像分割。多年来对图像分割的研究一直是图像技术研究中的热点和焦点，至今已提出了二千余种分割算法

2、。目前由于无通用的分割理论，因此已提出的分害」算法大都只针对具体问题，并没有一种适合所有图像的通用分割算法。在复杂背景情况下前景分割变得尤为困难。背景的复杂性在很大程度上影响了图像分割的准确性、适应性和实时性。所以采用一般的分割算法，比如一般域值法，很难取得满意的效果。为了有效地分割出前景需要采用针对性的分割算法。前景具有的不因外界因素改变而改变的特征，这使得基于特征处理的图像分割算法分割在复杂背景下的前景切实可行，同时算法不受背景干扰。汽车牌照分割是复杂背景下前景分割的典型应用之一。由于车辆图像一般是在室外拍摄

3、，其背景往往具有很高的复杂性和变动性。但汽车牌照具有的不因外界条件变化而改变的轮廓、结构和纹理等特征为车牌分割提供了充分和必要的信息。本文在对基于特征处理的图像分割技术进行大量研究的基础上和车牌自动识别系统课题支持下提出了一种针对我国汽车牌照分割的新算法。此算法通过图像处理技术先抽取车牌的一级特征进行粗分割，得到若千个车牌候选区;然后对所有的车牌候选区进行图像处理抽取二级特征进行细分割，得到车牌。该算法在车牌自动识别系统中取得很好的应用效果，其具有很好的准确性、实时性和适应性。通过抽取不同前景的一级和二级特征，本

4、算法可用于各种复杂背景的前景分害」。关键字:图像分割，特征处理，复杂背景，车牌识别，车牌分割11工来么一百、导师同意勿全文公布AbstractImagesegmentationisthekeystepbetweenimageprocessingandimageanalysis.Onesideimagesegmentationisthebaseoftargetexpressionandhasimportantinfluenceforfeaturesmeasuring;Ontheothersideimagesegme

5、ntationandtargetexpression,featureextraction,parametermeasuringandsoonbasingonsegmentationchangeoriginalimagetomoreabstractandmorecompactformwhichmakemoreabstractimageanalysisandunderstandingpossible.Inallkindofimageapplicationimagesegmentationmustbeappliedif

6、imagetargetextraction,measuringandsoonarenecessary.Foryearstheresearchofimagesegmentationisthefocusofimagetechnologystudy.Nowtherearethousandsofsegmentationalgorithmsbuttheuniversalalgorithmsstillaren'tgotbecausetheuniversaltheoriesaren'tfound.Soalmostgotalgo

7、rithmsonlyareappliedtoresolvematerialquestions.Thesegmentationofforegroundbecomesmoredificultundertheinfluenceofthecomplexbackgroundwhichusuallycausesomeinfluencetotheprecise,adaptiveandreal-timesegmentation.Sosomesimplesegmentationalgorithmscan'tgetsatisfied

8、efects,forexamplethegeneralthresholdalgorithm.Theapplicationofpertinencealgorithmisnecessarytoefectivelysegmentforegroundfromcomplexbackground.Buttheforegroundfeaturescan'tbechangedbythee