淮阴工学院-实践教学综合管理平台

《淮阴工学院-实践教学综合管理平台》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、淮阴工学院毕业设计（论文）开题报告专业：电子与通信工程设计（论文）题目：基于OPENCV的图像分割设计■软件开发指导教师：杨定礼学生姓名:王晓玉学号：11312023222017年3月1日毕业设计（论文）开题报告1.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2000字左右的文献综述文献综述1・研究背景及意义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山。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、计算机

2、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3〕。1998年以来，人工神经网络识别技术已经引起了广泛的关注，并口应用于图像分割。基于神经网络的分割方法的基木思想是通过训练多层感知机来得到线性决策函数，然后用决策函数对像素进行分类来达到分割的目的⑹。这种方法需要大量的训练数据。神经网络存在巨量的连接，容易引入空间信息，能较好地解决图像中的噪声和不均匀问题。选择何种网络结构是这种方法要解决的主要问题。图像分割是图像识别和计算机视觉至关重要的预处理。没有正确的分割就不可能有正确的识别。但是，进行分割仅有的依据是图像中像素的亮度及颜色，由

3、计算机自动处理分割时，将会遇到各种困难⑺。例如，光照不均匀、噪声的影响、图像中存在不清晰的部分，以及阴影等，常常发生分割错误。因此图像分割是需耍进一步研究的技术。人们希望引入一些人为的知识导向和人工智能的方法，用于纠正某些分割中的错误，是很有前途的方法，但是这又增加了解决问题的复杂性⑺。毕业设计(论文)开题报告2.图像分割技术国内外发展现状图像分割一直以來是人们关注的焦点Z-,人们提出的分割方法也是多种多样。图像分割技术分为五大类：阈值分割，区域分割，边缘分割，直方图法，特定理论分割方法。2.1阈值分割该法是以类内相似性和间距最大为目标，经过迭代获得图像最佳阈值。先给定两个类别的屮心G和C?的

4、灰度值M和d，方差和代，接着通过判断

5、/(兀,y)-“i

6、s

7、.f(x,y)-“2

8、，确定是属于G还是C2根据公式b=工和“产工/(兀,刃重新计算“1和坨。(x,y)eC7NCj(x.y^Ci阈值分割算法在OpenCV专业图像处理工具中应用最为广泛，且处理效率高，易于硬件实现。由Doyle在1962年首先提岀p分位法，是一种原始的阈值分割算法，基本是前景和背景像素的比例作为先验概率來选择阈值⑻；Z后Prewitt提岀最频值法，选择灰度直方图两峰明显的谷底对应的灰度值为分割阈值叫Shannon在信息论中提出了爛的概念，Pun首先把最大爛以最佳准则的形式引入到阈值分割算法中，Kittier和Ill

9、ingworth提岀最小误差阈值分割法，由两个不同权重的高斯分布作为图像的目标和背景，最佳阈值选择灰度直方图与高斯模型最匹配的阈值，分割的阈值决定了高斯分布的权重；1983年，Pal最早提出了图像的模糊阈值分割法，引入了灰度图像的模糊数学描述，通过计算模糊率或模糊爛作为图像的分割阈值“⑶o2.22区域分割区域生长和分裂合并法是两种典型的串行区域技术，其分割过程后续步骤的处理要根据前步骤的结果进行判断而确定。2.2.1区域生长区域生长的基本思想是将具有相似性质的像素集合起来构成区域。具体先对毎个需要分割的区域找一个种子像素作为生长的起点，然后将种子像素周圉邻域中与种子像素有相同或相似性质的像素合

10、并到种子像素所在的区域中。区域生长的基本思想是将具有相似性质的像素集合起来构成区域。具体先对每个需要分割的区域找一个种子像素作为生长的起点，然后将种子像素周围邻域中与种子像素有相同或相似性质的像素似准则来判定）合并到种子像素。区域生长需要选择一组能正确代表所需区域的种子像素，确定在生长过程屮的相似性准则，制定让生长停止的条件或准则。相似性准则可以是灰度级、彩色、纹理、梯度等特性。选取的种子像素可以是单个像素，也可以是包含若干个像素的小区域。大部分区域牛长准则使用图像的局部性质。牛长准则可根据不同原则制定，而使用不同的生长准则会影响区域生长的过程。区域生长法的优点是计算简单，对于较均匀的连通日标

11、有较好的分割效果。它的缺点是需要人为确定种子点，对噪声敏感，可能导致区域内有空洞。另外，它是一种串行算法，当目标较大时，分割速度较慢，因此在设计算法时，要尽量提高效率。222区域分裂合并区域生长是从某个或者某些像素点出发，最后得到整个区域，进而实现目标提取。分裂合并差不多是区域生长的逆过程:从整个图像出发，不断分裂得到各个子区域，然后再把前景区域合并，实现目标提取。分裂合并的假设是对于一幅图像，前