图像分割方法研究

《图像分割方法研究》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、图像分割方法研究课程设计（论文）课程名称：科研训练院（系）：专业班级：姓名：学号：指导教师：2013年7月7日西安建筑科技大学课程设计（论文）任务书专业班级：学生姓名：指导教师（签名）：一、课程设计（论文）题目二、本次课程设计（论文）应达到的目的通过课程设计让学生较深入地理解图像分割技术在通信工程专业系列课程中的地位、作用和意义；加深对基本概念和基本原理的理解和应用，并能够用所学知识分析、初步设计和解决与通信应用相关的现实技术问题，在实践中能够举一反三。三、本次课程设计（论文）任务的主要内容和要求（包括原始数据、技术参数、设计要求等）1）掌握图像分割的基本概念；2）研究图像分割方法的

2、特点；3）研究各种图像分割方法及其应用；4）展望通信技术的发展趋势。四、应收集的资料及主要参考文献：[1]《基于内容的视频编码与传输控制技术》，贺贵明，吴元保等编，武汉大学出版社[2]《压缩视频通信》，A.H.萨达卡著，科学出版社[3]《数字视频图像处理》，全子一主编，电子工业出版社[4]《分形小波与图像压缩》，曾文曲编著，东北大学出版社[5]《图像编码基础和小波压缩技术》张旭东编著，清华大学出版社五、审核批准意见教研室主任（签字）I摘要在计算机视觉的相关研究中，图像分割是连接低级视觉和高级视觉的桥梁和纽带，而图像分割是计算机视觉系统中最关键和重要的一个环节。在概要介绍几种常用图像分

3、割方法的基础上，比较了每种图像分割算法的优缺点及其适应范围。结果表明：不同工程应用中，应根据其需求与图像特点合理采用不同的图像分割方法以达到更好的处理效果。关键词：图象分割；图象处理；阈值；边缘分割；区域分割；II1引言近年来，随着工业、农业、医学、军事等领域自动化和智能化需求的迅速发展，对图像处理技术的要求也日益提高。数字图像处理技术是一个跨学科的领域。随着计算机科学技术技术的不断发展，图像处理和分析逐渐形成了自己的科学体系，新的处理方法层出不穷，尽管其发展历史不长，但却引起各方面人士的广泛关注。首先，视觉是人类最重要的感知手段，图像又是视觉的基础，因此，数字图像成为心理学、生理学

4、、计算机科学等诸多领域内的学者们研究视觉感知的有效工具。其次，图像处理在军事、遥感、气象等大型应用中有不断增长的需求。其中对图像的自动识别与理解就是一项重要任务，而对图像进行分割来提取目标是其关键步骤之一，如果得不到合理的图像分割图，也就无法对图像进行正确的识别与理解。在过去的四十多年里，图像分割的研究一直受到人们高度的重视。迄今为止，研究者提出了上千种不同类型的分割算法。Fu和Mui从细胞学图像处理的角度将图像分割技术分为三大类：特征阈值或聚类、边缘检测和区域提取。依据算法所使用的技术或针对的图像，Pal把图像分割算法分成了6类：阈值分割、像素分割、深度图像分割、彩色图像分割、边缘

5、检测和基于模糊集的方法。本文将依据上述两种分类方法进行研究。2图像分割方法图像分割（imagesegmentation）：根据需要将图像划分为有意义的若干区域或部分的图像处理技术。图像分割是图像处理的一项关键技术，从20世纪70年代开始受到人们的高度重视，至今，人们已经提出了上千种分割算法，现在已经提出的分割算法大部分是针对具体问题的，并没有一种适用于所有图像的通用分割算法。而且，至今还没有制定出选择合适分割算法的标准，这给图像分割技术的应用带来许多实际困难。因此，对图像分割的研究还在不断深入之中，它是目前图像处理中研究的热点之一。多年来人们对图像分割提出了不同的解释和表述，借助集合

6、概念对图像分割可给出如下定义：令集合R代表的整个图像区域，对R的图像分割可以看做是将R分成N个满足以下条件的非空子集R1R2.......RN。1（1）?Ri?Ri?1N（2）对于所有的i和j，i?j，有Ri?Rj??（3）对于i=1,2....N，有P?Ri??TRUE（4）对于i?j，有P?Ri?Rj??FALSE（5）对于i=1,2...N，Ri是连通的区域其中P?Ri?是对所有在集合Ri中元素的逻辑谓词，?表示空集。?Ri?Ri?1N代表分割的所有子区域的并集即为原来的图像，它是图像处理中的每个像素都被处理的保证。Ri?Rj??指出分割结果中的各个区域是互不重叠的。P?Ri?

7、?TRUE表明在分割结果中，每个区域都有其独特的特性。也就P?Ri?Rj??FALSE表明在分割结果中同一个子区域的像素应当是连通的，是说同一个子区域内的任意的两个像素在该子区域内是互相连通的。这些条件对分割具有一定的指导作用。但是，实际中的图像分析和处理都是针对某种特定的应用，所以条件中的各种关系也需同实际需求结合来设定的。人们在多年的研究中积累了很多图像分割的方法。图像分割是一个将像素分类的过程，分类的依据可建立在像素间的相似性、灰度不连续性基础之上。