基于边缘提取的图像分割开题报告

《基于边缘提取的图像分割开题报告》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、毕业设计(论文)开题报告题目：基于边缘提取的图像分割学院：电气与信息学院专业：电子科学与技术学生姓名：学号：指导老师：2010年3月21日开题报告填写要求1．开题报告（含“文献综述”）作为毕业设计（论文）答辩委员会对学生答辩资格审查的依据材料之一。此报告应在指导教师指导下，由学生在毕业设计（论文）工作前期内完成，经指导教师签署意见及所在专业审查后生效。2．开题报告内容必须用黑墨水笔工整书写或按此电子文档标准格式（可从教务处网页上下载）打印，禁止打印在其它纸上后剪贴，完成后应及时交给指导教师签署意见。3．“文献综述”应按论文的格式成文，并直接书

2、写（或打印）在本开题报告第一栏目内，学生写文献综述的参考文献应不少于10篇（不包括辞典、手册），其中至少应包括1篇外文资料；对于重要的参考文献应附原件复印件，作为附件装订在开题报告的最后。4．统一用A4纸，并装订单独成册，随《毕业设计（论文）说明书》等资料装入文件袋中。毕业设计（论文）开题报告1．文献综述：结合毕业设计（论文）课题情况，根据所查阅的文献资料，每人撰写2500字以上的文献综述，文后应列出所查阅的文献资料。文献综述1.引言人类获取的信息中大约有80％来自视觉，而图像带给我们的正是视觉中的所有信息。图像的边缘是图像最基本的特征，它包

3、含了图像的大部分信息，不仅在分析图时大大减少了要处理的信息量，而且还保护了图像的边界结构。因此，边缘检测成为理许多复杂问题的关键。边缘总是以强度突变的形式出现，主要表现为图像局部特性的不连续性如灰度的突变、纹理结构的突变、颜色的突变等。对于灰度图像，边缘是灰度的突变，是图像中灰度变化比较剧烈的地方，即通常所说的信号发生奇异变化的方。图像边缘有方向和幅度两个特性。根据图像的边缘特性可分为阶跃型、房顶型和n缘型。阶跃型边缘常常对应目标的深度或反射边界；而后两种反映表面法线方向的不连续。对于阶跃型边缘，二阶方向导数在边缘处晕零交叉；而后两种，二阶方

4、向导数在边缘处取极值。在Matlab中图像处理的应用是由一系列支持图像处理的操作函数组成，如几何操作、区域操作、块操作、滤波、变换、图像分割、图像边缘提取、图像增强等，为便于应用，在该软件中形成图像处理工具包。图像处理工具包的函数种类很多：图像显示、图像文件输入与输出、几何操作、像素值统计、图像分析与增强、图像滤波、滤波器、图像变换、图像类型转换等。该工具包与其它一样，使用者可以根据需要自行编写函数。2.边缘检测的方法2.1微分算子法经典的边缘检测方法是边缘检测局部算子法，最基本一类的边缘检测算子是微分算子。根据一阶导数在边缘点处取得局部极大

5、值的原理，人们提出了一些基于梯度的边缘检测算子，如Roberts算子、Prewitt算子、Sobel算子、Kirsch算子、Robinson算子等。由于一阶微分的局部极大值对应着二阶微分的过零点，以此理论为依据，将图像中的边缘点定义为二阶微分的零交叉点，人们提出了Laplace算子，Laplace算子相当于高通滤波，有增强高频分量的作用，因而对图像中的噪声相当敏感，加强了噪声，也不能提供边缘方向的信息。另外还有一类基于曲面拟合的边缘检测算法，它们的基本思想是用一个平滑的曲面与待测点周围某邻域内像素的灰度值进行拟合，然后计算此曲面的一阶或二阶导

6、数，来实现边缘的提取。2.2最优算子法最优算子是在经典的边缘算子基础上发展起来的，这类方法的目的是寻找边缘测的最优滤波器。最具代表性的是Marr-Hildreth提出的LOG边缘检测算子和Canny最优算子。2.3多尺度方法小波分析方法是近些年发展起来得到广泛应用的数学工具，与傅立叶变换和窗口傅立叶变换相比，小波变换具有较好的时频双重定域性，主要表现在高频处具有高的时间分辨率，在低频处具有高的频率分辨率，因而能有效的从信号中提取信息，它通过伸缩和平移等运算功能对函数或信号进行多尺度细化分析，解决了傅立叶变换不能解决的很多困难，被称为“数学显微

7、镜"。2.4数学形态学在边缘检测中的应用数学形态学是研究图形图像的形态特征，构成元素及其相互关系的数学分支，是一种非线性图像处理方法2.5模糊数学在边缘检测中的应用为了解决用不确定和不精确的知识来描述事件，人们提出了模糊集的概念1圳。将模糊集理论引入到图像处理中，尤其在图像增强，图像分割和边缘提取应用中取得较好的效果，可以解决由于信息不准确，模糊，不全面等造成的不确定性问题。2.6神经网络在边缘检测中的应用人工神经网络是近些年发展起来的，广泛应用在模式识别、信号与图像处理、人工智能及自动控制等领域，并取得了较好的应用成果。目前神经网络的各种模

8、型也应用到边缘检测的领域中，由于神经网络提取边缘是利用了原图像已有的信息，从宏观上理解对象，从微观上提取细节，所以它具有较强的抗噪声能力。使用神经网络方法得到的边缘