基于独立成分分析(ICA)法的图像分割.doc

摘要:图像分割是从图像处理到图像分析、理解的基础，是图像特征提取和识别的关键步骤，因此分割准确率和区域边缘定位好坏，是决定后续对目标进行特征提取和识别成功与否的关键。

本文对图像分割的研究现状进行了分析，对比了几种常用图像分割方法的优缺点，并对基于独立成分分析的图像分割技术做了深入剖析，通过对纹理图像所有像素计算出来的特征表达行向量，采用计算欧氏距离的方法进行聚类，从而实现图像的分割，效果显著。

关键词：图像分割   纹理图像  独立成分分析

目录

摘要

Abstract 

引言

1图像分割技术的背景与意义-2

2图像分割技术的研究现状-2

2.1基于阈值的分割方法-2

2.2基于边缘的分割方法-3

2.3 基于区域的分割方法-3

2.3.1 区域生长法-4

2.3.2 区域分裂合并法-4

2.3.3分水岭分割方法-5

2.4基于小波变换的分割方法-5

2.5 基于遗传算法的分割方法-6

2.6 基于聚类的分割方法-6

2.7 基于主动轮廓模型的分割方法-6

2.8 算法比较-7

3独立成分分析-9

3.1 独立成分分析相关理论-9

3.1.1 独立成分分析模型-9

3.1.2 独立成分分析的定点算法（FastICA）-10

4 基于独立成分分析的图像分割-11

4.1本文方法概述-11

4.2 过程描述与实现-11

4.2.1 训练图像与测试图像的选取-11

4.2.2 数据的预处理-13

4.2.3 提取独立分量-13

4.2.4 分割-15

4.3 结论-16

5 程序代码实现-17

结论

致谢

参考文献