基于MATLAB的圖像分割算法研究開(kāi)題報(bào)告

1、附件2:山東建筑大學(xué)畢業(yè)論文開(kāi)題報(bào)告表班級(jí)：姓名：論文題目基于MATLAB勺圖像分割算法研究一、選題背景和意義數(shù)字圖像處理技術(shù)是一個(gè)跨學(xué)科的領(lǐng)域。隨著計(jì)算機(jī)科學(xué)技術(shù)的不斷發(fā)展，圖像處理和分析逐漸形成了自己的科學(xué)體系，新的處理方法層出不窮，盡管其發(fā)展歷史不長(zhǎng)，但卻引起各方面人士的廣泛關(guān)注。圖像分割是圖像處理中最為基礎(chǔ)和重要的領(lǐng)域之一，它是指把圖像分成各具特性的區(qū)域并提取出感興趣目標(biāo)的技術(shù)和過(guò)程。它是圖像處理、模式識(shí)別和人工智能等多個(gè)領(lǐng)域中的重要課題，也是計(jì)算機(jī)視覺(jué)技術(shù)中的關(guān)鍵步驟。多年來(lái)，已經(jīng)提出了許多不同類(lèi)型的圖像分割方法.經(jīng)典的方法有灰度閾值分割法、邊緣檢測(cè)法和區(qū)域跟蹤以及基于分水嶺算法的分

2、割方法等。有些分割運(yùn)算可直接應(yīng)用于任何圖像，而另一些只能適用于特殊類(lèi)別的圖像。有些算法需要先對(duì)圖像進(jìn)行粗分割，因?yàn)樗麄冃枰獜膱D像中提取出來(lái)的信息。例如，可以對(duì)圖像的灰度級(jí)設(shè)置門(mén)限的方法分割。值得提出的是，還沒(méi)有唯一的標(biāo)準(zhǔn)的分割方法。許多不同種類(lèi)的圖像或景物都可作為待分割的圖像數(shù)據(jù)，不同類(lèi)型的圖像，已經(jīng)有相對(duì)應(yīng)的分割方法對(duì)其分割，同時(shí)，某些分割方法也只是適合于某些特殊類(lèi)型的圖像分割。分割結(jié)果的好壞需要根據(jù)具體的場(chǎng)合及要求衡量。然而，對(duì)圖像分割的效果好壞或正確與否，還沒(méi)有一個(gè)統(tǒng)一的評(píng)價(jià)判斷準(zhǔn)則。不同的分割方法對(duì)同一幅圖像的分割效果是不同的，而且同一種分割方法對(duì)一幅圖像在不同空間下的分割效果也是不同

3、的。21世紀(jì)是一個(gè)充滿信息的時(shí)代，圖像作為人類(lèi)感知世界的視覺(jué)基礎(chǔ)，是人類(lèi)獲取信息、表達(dá)信息和傳遞信息的重要手段。首先，視覺(jué)是人類(lèi)最重要的感知手段，圖像又是視覺(jué)的基礎(chǔ)，因此，數(shù)字圖像成為心理學(xué)、生理學(xué)、計(jì)算機(jī)科學(xué)等諸多領(lǐng)域內(nèi)的學(xué)者們研究視覺(jué)感知的有效工具。其次，圖像處理在軍事、遙感、氣象等大型應(yīng)用中有不斷增長(zhǎng)的需求。以上說(shuō)明本次的基于MATLA眼像分割算法研究對(duì)社會(huì)需求具有重要意義。本課題就是從這一起點(diǎn)出發(fā)，分別采用邊界分割和分水嶺變換兩種方法進(jìn)行圖形分割，并用MATLA展現(xiàn)整個(gè)分割過(guò)程。二、課題關(guān)鍵問(wèn)題及難點(diǎn)問(wèn)題1、基于邊緣分割的圖像分割算法的應(yīng)用。2、Hough變換的線檢測(cè)方法與仿真實(shí)現(xiàn)。3

4、、利用各種算子進(jìn)行圖像分割并仿真實(shí)現(xiàn)4、圖像分割的仿真與實(shí)現(xiàn)。5、基于分水嶺變換進(jìn)行圖像分割三、調(diào)研報(bào)告（或文獻(xiàn)綜述）1、數(shù)字圖像分割的歷史和現(xiàn)狀圖像分割的研究最早可以追溯到20世紀(jì)60年代，經(jīng)過(guò)近四十年的研究，國(guó)內(nèi)外學(xué)者已經(jīng)提出了各種算法上千種，但目前還沒(méi)有一種適合于所有圖像的通用的分割算法，絕大多數(shù)算法都是針對(duì)具體問(wèn)題而提出的。另一方面，給定一個(gè)實(shí)際應(yīng)用要選擇合用的分割算法仍是一個(gè)很麻煩的問(wèn)題，由于缺少通用的理論指導(dǎo)，常常需要反復(fù)的進(jìn)行實(shí)驗(yàn)。在已提出的這些算法中，較為經(jīng)典的算法有灰度閾值分割法、邊緣檢測(cè)法和區(qū)域跟蹤以及基于分水嶺算法的分割方法。多年來(lái)，對(duì)圖像分割的研究一直是圖像技術(shù)研究中的

5、熱點(diǎn)和焦點(diǎn)，人們對(duì)其的關(guān)注和投入不斷提高。它是一種重要的圖像分析技術(shù)，是從圖像處理到圖像分析的關(guān)鍵步驟，也是計(jì)算機(jī)視覺(jué)領(lǐng)域低層次視覺(jué)中的主要問(wèn)題，圖像分割結(jié)果是圖像特征提取和識(shí)別等圖像理解的基礎(chǔ)，對(duì)圖像的加工主要處于圖像處理的層次，圖像分割后，對(duì)圖像的分析才成為可能。另外，圖像分割在實(shí)際中也得到了廣泛的應(yīng)用，在計(jì)算機(jī)視覺(jué)和圖像識(shí)別的各種應(yīng)用系統(tǒng)中占有相當(dāng)重要的地位，也是研制和研發(fā)計(jì)算機(jī)視覺(jué)系統(tǒng)、字符識(shí)別和目標(biāo)自動(dòng)獲取等圖像識(shí)別和理解系統(tǒng)首先要解決的問(wèn)題。只要需對(duì)圖像目標(biāo)進(jìn)行提取，測(cè)量等都離不開(kāi)圖像分割。2、圖像邊緣檢測(cè)方法用于圖像處理的歷史在圖像分割中，邊緣檢測(cè)方法可以說(shuō)是人們研究的最多的方法

6、，它試圖通過(guò)檢測(cè)包含不同區(qū)域的邊緣來(lái)解決圖像分割問(wèn)題。圖像的大部分主要信息都存在于圖像的邊緣中，主要表現(xiàn)為圖像局部特征的不連續(xù)性，是圖像中灰度變化比較劇烈的地方，也即我們通常所說(shuō)的信號(hào)發(fā)生奇異變化的地方。奇異信號(hào)沿邊緣走向的灰度變化劇烈，通常我們將邊緣劃分為階躍狀和屋頂狀兩種類(lèi)型。階躍邊緣中邊緣兩邊的灰度值有明顯的變化；而屋頂狀邊緣中邊緣位于灰度增加與減少的交界處。在數(shù)學(xué)上可利用灰度的導(dǎo)數(shù)來(lái)刻劃邊緣點(diǎn)的變化，對(duì)階躍邊緣、屋頂狀邊緣分別求其一階、二階導(dǎo)數(shù)?？梢?jiàn)，對(duì)階躍邊緣點(diǎn)兒其灰度變化曲線的一階導(dǎo)數(shù)在A點(diǎn)達(dá)到極大值；二階導(dǎo)數(shù)在A點(diǎn)與零交叉。對(duì)屋頂狀邊緣點(diǎn)B,其灰度變化曲線的一階導(dǎo)數(shù)在B點(diǎn)與零交叉

7、，二階導(dǎo)數(shù)在B點(diǎn)達(dá)到極值?；谶吘墮z測(cè)的方法可以是并行的，也可以是串行的，主要取決于邊緣連接或跟蹤時(shí)采用的策略，閩值分割法和像素分類(lèi)法都屬于并行區(qū)域類(lèi)，而區(qū)域生長(zhǎng)和區(qū)域分裂合并法則屬于串行區(qū)域類(lèi)。在這些方法中，邊緣檢測(cè)方法是人們研究得最多的方法，它試圖通過(guò)檢測(cè)包含不同區(qū)域的邊緣來(lái)解決圖像分割問(wèn)題，基于在不同區(qū)域之間的邊緣上象素灰度值的變化往往比較劇烈，這類(lèi)方法大多是基于局部信息的，一般利用圖像一階導(dǎo)數(shù)的極大值或者二階導(dǎo)數(shù)的過(guò)零點(diǎn)信息提供判斷邊緣點(diǎn)的依據(jù)。在現(xiàn)代的圖像分割技術(shù)中，人們常常用這種方法對(duì)圖像進(jìn)行初步處理，再采用方法得到準(zhǔn)確的邊界，從而實(shí)現(xiàn)圖像的正確分割。3、經(jīng)典的邊緣檢測(cè)算子差分算子

8、的特性之一，是在圖像灰度變化緩慢的區(qū)域其值較??；在圖像灰度迅速變化的點(diǎn)處，具值較大；在目標(biāo)區(qū)域內(nèi)部（假定灰度一致）其值為零。很自然，這類(lèi)算子可以作為圖像邊緣檢測(cè)器。我們已知的差分算子有：Roberts算子、Sobel算子、Prewitt算子、LOG算子及Canny算子。四、方案論證本次設(shè)計(jì)是基于MATLAB圖像分割算法中的研究，首先選取合適的圖像，然后對(duì)圖像進(jìn)行底層處理，主要是為了改善圖像的視覺(jué)效果或?qū)D像中感興趣的部分進(jìn)行檢測(cè)提取和測(cè)量。分析的結(jié)果能提供描述圖像目標(biāo)的特點(diǎn)和性質(zhì)等數(shù)據(jù)信息。圖像邊緣檢測(cè)方法具體步驟如下：步驟一：對(duì)圖像進(jìn)行預(yù)處理，將圖像中灰度最高的一部分像素點(diǎn)去掉，并進(jìn)行灰度拉

9、伸，將現(xiàn)有像素灰度值盡量均勻分布到0255的范圍內(nèi)；步驟二：用塊狀結(jié)構(gòu)元素來(lái)統(tǒng)計(jì)圖像中的一個(gè)像素點(diǎn)的鄰域內(nèi)像素灰度值的均值和方差；步驟三：利用目標(biāo)像素點(diǎn)和背景像素點(diǎn)分布的概率密度函數(shù)，根據(jù)概率密度函數(shù)公式分別求出將背景點(diǎn)當(dāng)作目標(biāo)點(diǎn)進(jìn)行分類(lèi)時(shí)錯(cuò)誤發(fā)生的概率和目標(biāo)點(diǎn)當(dāng)作背景點(diǎn)進(jìn)行分類(lèi)時(shí)錯(cuò)誤發(fā)生的概率，進(jìn)而由混合概率密度函數(shù)定義求出該點(diǎn)出錯(cuò)的整體概率公式；步驟四：根據(jù)該點(diǎn)出錯(cuò)的整體概率公式，對(duì)由高斯密度公式推導(dǎo)出的關(guān)于鄰域內(nèi)像素灰度值均值的方程進(jìn)行求解，得到每個(gè)像素點(diǎn)的鄰域像素的灰度均值作為該點(diǎn)的閾值；步驟五：用當(dāng)前像素點(diǎn)的灰度值與所述閾值比較，如果灰度值小于其鄰域內(nèi)的像素灰度值的平均值，并且鄰域內(nèi)

10、像素灰度值的方差大于一個(gè)既定的值，則把該點(diǎn)定義為邊界點(diǎn)，否則就屬于背景部分，然后轉(zhuǎn)到下一個(gè)像素點(diǎn)，返回步驟二，直至圖像中的點(diǎn)都掃描完畢。算法實(shí)現(xiàn)的主要步驟為：首先，對(duì)原圖像進(jìn)行平滑處理，接著對(duì)圖像進(jìn)行邊緣檢測(cè)得到含有邊緣點(diǎn)的邊緣圖像，并記錄下邊緣點(diǎn)的位置，然后在平滑圖像中相應(yīng)位置的鄰域內(nèi)進(jìn)行紋理分析，并與事先獲得的圖像紋理特性進(jìn)行比較判斷，從而將圖像中的模糊點(diǎn)刪除并最終實(shí)現(xiàn)圖像的分割五、進(jìn)度安排仁2周查詢(xún)相關(guān)技術(shù)資料和中英文文獻(xiàn)，確定需翻譯的英文文獻(xiàn)。3.4周對(duì)課題進(jìn)行分析和規(guī)劃，制定具體的工作計(jì)劃和方案，確定設(shè)計(jì)概要目標(biāo)，寫(xiě)出下步工作計(jì)劃，撰寫(xiě)開(kāi)題報(bào)告。5周學(xué)習(xí)圖像分割理論，研究邊緣分割的方法；熟悉所需Matlab軟件，對(duì)圖像分