大学毕业论文-—基于分水岭和形态学的图像分割算法研究.doc

《大学毕业论文-—基于分水岭和形态学的图像分割算法研究.doc》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、本科生毕业设计（申请学士学位）论文题目基于分水岭和形态学的图像分割算法研究作者姓名专业名称指导教师2013年6月学生：（签字）学号：答辩日期：2013年6月15日指导教师：（签字）目录摘要1Abstract.11绪论21.1研究目的和意义21.2图像分割的研究进展21.3论文主要内容和组织结构32数学形态学32.1膨胀与腐蚀32.1.1灰度膨胀42.1.2灰度腐蚀42.2形态学的开运算和闭运算42.3形态学重建53基于分水岭和形态学的图像分割算法53.1分水岭算法原理63.2形态学算子的改进73.3改进的图像分割算法描述83.4实验结果与数据分析84结束语10参考文献1

2、1附录11致谢1417基于分水岭和形态学的图像分割算法研究摘要：图像分割是图像分析和处理中一个重要的研究方向，也是目标的检测和识别的重要步骤。而且由于图像的多样性和复杂性，很难用统一的方法来描述感兴趣的对象，因而在实际应用中只能根据各种领域的需求来选择合适的分割方法，导致各种图像分割方法具有特定的局限性和针对性。目前还没有一种通用的方法，能使各种类型的图象达到最优分割质量。传统的图像分割算法中对图像噪声敏感，噪声会直接恶化图像的梯度图像，计算量大，分割过程耗时长，分割效率低，从而产生过分割问题。为了降低过分割现象对图像分割的影响，提出了一种改进的分水岭算法的图像分割方法

3、。本文先进行分水岭变换，再利用数学形态学的方法，使用多尺度形态梯度算子，利用结构元素度优点以达到改善图像分割中的过分割现象。实验结果表明，改进的算法有效地改善了过分割现象，具有较好的图像分割效果。关键字：图像分割；分水岭算法；形态学算子ImagesegmentationalgorithmbasedonwatershedandmorphologicalstudyAbstract:Imageanalysisandimagesegmentationisanimportantresearchdirection,alsoistheimportantprocessoftargetd

4、etectionandrecognition.Andbecauseofthediversityandcomplexityoftheimage,itisdifficulttouseuniformmethodtodescribetheobjectofinterest,andthereforecanonlyaccordingtothevariousfieldsinthepracticalapplicationneedstochoosetheappropriatemethod,leadtoallkindsofimagesegmentationmethodhascertainli

5、mitationsandpertinence.Thereisnoacommonmethod,canmakevarioustypesofimagetoachievetheoptimalsegmentationquality.Thetraditionalimagesegmentationalgorithmissensitivetoimagenoise,thenoisewilldeteriorateimagegradientimagedirectly,largeamountofcalculation,thesegmentationprocesstakeslong,segmen

6、tationefficiencyislow,resultinginaover-segmentationproblem.Inordertoreducetheover-segmentationphenomenainfluenceonimagesegmentation,animprovedwatershedalgorithmisproposedforimagesegmentationmethod.Watershedtransformfirstinthispaper,andthenthemathematicalmorphologymethod,usingmulti-scalem

7、orphologicalgradientoperator,usingthestructureelementsofadvantagetoimprovetheimagesegmentationofover-segmentationphenomenon.Theexperimentalresultsshowthattheimprovedalgorithmimprovedtheover-segmentationphenomenaeffectively,hasthegoodimagesegmentationeffect.Keywords:Images