資源描述：
《圖像分割技術(shù)研究論文》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。
1、圖像分割技術(shù)研究畢業(yè)論文目錄第一章圖像分割技術(shù)基本現(xiàn)狀和發(fā)展趨勢(shì)11.1圖像分割的意義11.2圖像分割技術(shù)的基本現(xiàn)狀11.3圖像分割技術(shù)的發(fā)展趨勢(shì)2第二章圖像分割的主要方法綜述32.1基于邊緣的分割方法42.2基于區(qū)域的分割方法42.3結(jié)合特定理論工具的分割方法5第三章基于邊緣的圖像分割方法的仿真實(shí)現(xiàn)63.1邊緣檢測(cè)63.1.1梯度算子63.1.2拉普拉斯算子73.1.3CANNY算子83.1.4結(jié)果分析83.2霍夫變換113.2.1利用霍夫變換檢測(cè)圖像邊緣的算法113.2.2結(jié)果分析13第四章基于區(qū)域的圖像分割方法的仿真實(shí)現(xiàn)154.1區(qū)域分割算法154
2、.1.1區(qū)域生長(zhǎng)法164.1.2區(qū)域分裂與合并法164.2閾值分割方法184.2.1直方圖雙峰法184.2.2最大類間方差法204.2.3迭代法21第五章基于形態(tài)學(xué)分水嶺的圖像分割方法的仿真實(shí)現(xiàn)235.1分水嶺法圖像分割基本原理235.2分水嶺法圖像分割算法23655.3分水嶺法圖像分割仿真及結(jié)果分析25結(jié)論30參考文獻(xiàn)31附錄Ⅰ外文文獻(xiàn)翻譯32附錄Ⅱ程序清單56致謝6665第一章圖像分割技術(shù)基本現(xiàn)狀和發(fā)展趨勢(shì)1.1圖像分割的意義在一副圖像中，我們常常只對(duì)其中的某些目標(biāo)感興趣，對(duì)于這些我們感興趣的目標(biāo)，它們通常在要分割的圖像中占據(jù)一定的區(qū)域，而且在某些特
3、性上與周圍的圖像存在一定的差別。這些差別可能非常明顯，也可能十分細(xì)微，以至于人眼無法覺察。圖像分割是按一定的制約規(guī)則把圖像劃分為若干個(gè)互不相交、具有特定性質(zhì)的區(qū)域，是把我們關(guān)注的區(qū)域從需要分割的圖像中提取出來，以此進(jìn)行進(jìn)一步研究分析和處理的技術(shù)。圖像分割的結(jié)果是圖像特征提取和識(shí)別等圖像理解的基礎(chǔ)，對(duì)圖像分割的研究一直是數(shù)字圖像處理技術(shù)的焦點(diǎn)和熱點(diǎn)。圖像分割把圖像空間分成一些有意義的區(qū)域，與圖像中各種物體目標(biāo)相對(duì)應(yīng)。它使得其后的圖像分析和識(shí)別等處理過程中所要處理的數(shù)據(jù)量大大減少了，同時(shí)又保留了有關(guān)圖像結(jié)構(gòu)特征的信息。通過對(duì)分割結(jié)果的描述，能夠理解圖像中包含
4、的有關(guān)信息。圖像分割質(zhì)量直接影響后續(xù)圖像處理的效果，甚至決定其成敗，因此，分割的方法和精確程度至關(guān)重要。由此可知，圖像分割在圖像工程中占據(jù)非常重要的位置。圖像分割在不同的領(lǐng)域也有其它的名稱，如目標(biāo)輪廓技術(shù)、目標(biāo)檢測(cè)技術(shù)、閾值化技術(shù)、目標(biāo)跟蹤技術(shù)等，這些技術(shù)本身或其核心實(shí)際上也就是圖像分割技術(shù)。1.2圖像分割技術(shù)的基本現(xiàn)狀圖像分割算法的研究已經(jīng)有幾十年的歷史，一直都受到人們的高度重視。關(guān)于圖像分割的原理和方法國(guó)內(nèi)外已有不少的研究成果，但一直以來沒有一種分割方法適用于所有圖像分割處理。傳統(tǒng)的圖像分割方法存在著一些不足，無法滿足人們的要求，給進(jìn)一步的圖像分析和
5、理解過程帶來了困難。隨著計(jì)算機(jī)技術(shù)的發(fā)展及其相關(guān)技術(shù)的成熟，結(jié)合圖像增強(qiáng)等圖像處理技術(shù)，我們已經(jīng)能夠在計(jì)算機(jī)上實(shí)現(xiàn)圖像分割處理過程。然而，到目前為止，人們還沒有制定出選擇合適分割算法的標(biāo)準(zhǔn)，這給圖像分割技術(shù)的應(yīng)用帶來許多實(shí)際困難。因此，圖像分割的研究還在不斷深入，是目前圖像處理中研究的熱點(diǎn)之一。圖像分割在圖像工程中起著承上啟下的作用，是介于低層次處理和高層次處理的中間層次。早在1965年就有人提出了檢測(cè)邊緣算子邊緣檢測(cè)方法，邊緣檢測(cè)已產(chǎn)生了不少經(jīng)典算法。目前越來越多的學(xué)者開始將數(shù)學(xué)形態(tài)學(xué)、模糊理論、遺傳算法理論、分形理論和小波變換理論等研究成果運(yùn)用到圖像
6、分割中，產(chǎn)生了結(jié)合特定數(shù)學(xué)方法和針對(duì)特殊圖像分割的先進(jìn)圖像分割技術(shù)。1.3圖像分割技術(shù)的發(fā)展趨勢(shì)65由于圖像分割技術(shù)在當(dāng)今圖像工程的發(fā)展過程中起著十分重要的作用，得到了廣泛應(yīng)用，促使人們致力于尋找新的理論和方法來提高圖像分割的質(zhì)量，以滿足各方面的需求。由于遺傳算法、統(tǒng)計(jì)學(xué)理論、神經(jīng)網(wǎng)絡(luò)、分形理論以及小波理論等理論在圖像分割中廣泛應(yīng)用，圖像分割技術(shù)呈現(xiàn)出新的發(fā)展趨勢(shì)：(1)多種特征融合的分割方法。除利用圖像的原始灰度特征外，我們還可以利用圖像的梯度特征、幾何特征(形態(tài)、坐標(biāo)、距離、方向、曲率等)、變換特征(傅立葉譜、小波特征、分形特征等)及統(tǒng)計(jì)學(xué)特征(紋理
7、、不變矩、灰度均值等)等高層次特征，對(duì)于每個(gè)待分割的像素，將所提取的特征值組成一個(gè)多維特征矢量，再進(jìn)行多維特征分析。通過多種特征的融合，圖像像素能被全面描述，從而獲得更好的分割結(jié)果。(2)多種分割方法結(jié)合的分割方法。由于目標(biāo)成像的不確定性以及目標(biāo)的多樣性，單一的分割方法很難對(duì)含復(fù)雜目標(biāo)的圖像取得理想的分割結(jié)果。此時(shí)，除需要利用多種特征融合外，還需將多種分割方法結(jié)合，使這些方法充分發(fā)揮各自的優(yōu)勢(shì)，并避免各自的缺點(diǎn)。采用哪種方式結(jié)合以獲得良好的分割效果是這種方法研究的重點(diǎn)。65第二章圖像分割的主要方法綜述圖像分割是圖像處理的一項(xiàng)關(guān)鍵技術(shù)，從20世紀(jì)70年代開
8、始受到人們的高度重視，至今，人們已經(jīng)提出了上千種分割算法，現(xiàn)在已經(jīng)提出的分割算法
