当前位置: 论文助手 > 免费资料 > 论文报告 > >

MATLAB环境下图像区域分割算法设计[论文报告]

资料分类论文报告 责任编辑:论文小助手更新时间:09-02
提示:本资料为网络收集免费论文,存在不完整性。建议下载本站其它完整的收费论文。使用可通过查重系统的论文,才是您毕业的保障。

 一、课题综述及研究意义

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,图像处理和分析逐步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。

图像分割是图像处理中最为基础和重要的领域之一,它是指把图像分成各具特性的区域并提取出感兴趣目标的技术和过程。它是图像处理、模式识别和人工智能等多个领域中的重要课题,也是计算机视觉技术中的关键步骤。多年来,已经提出了许多不同类型的图像分割方法,经典的方法有边缘检测法、阈值分割法和区域分割法以及分水岭变换等分割方法。但是现阶段已有的分割算法只是针对具体特征的图像进行处理的,还没有唯一的标准的分割方法。许多不同种类的图像或景物都可以作为待分割的图像数据,不同类型的图像已经有相对应的分割方法对其分割,分割结果的好坏需要根据具体的场合及要求衡量。21世纪是一个充满信息的时代,图像作为人类感知世界的视觉基础,是人类获取信息、表达信息和传递信息的重要手段。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、计算机科学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。然而,对图像分割的效果好坏或正确与否,还没有一个统一的评价判断准则。不同的分割方法对同一副图像的分割效果是不同的,而且同一种分割方法对一幅图像在不同空间下的分割效果也是不同的。

区域分割作为图像分割技术中最经典的算法之一,在图像分析、图像识别以及图像压缩等图像处理领域起着关键性的作用,在军事、气象、交通等领域也有着广泛的应用。对图像进行区域分割是更深层次理解和分析图像的一项基本前提,它根据实际的应用对图像中的目标进行特征提取,将目标物体与背景分离,提高了图像的实用性。以上可以说明基于区域的分割算法具有很重要的研究意义。

 

二、课题拟采取的研究方法和技术路线

 首先,学习图像分割的理论知识。在此基础上,比较图像分割中的边缘检测法、阈值分割法和区域分割法。然后,针对区域分割图像算法中的区域生长和区域分裂合并进行分析,改进算法中的生长准则。最后,在MATLAB环境下编程实验,分析阈值分割、边缘检测、区域生长和区域分裂合并(四叉树)在实际场景中的应用效果。

三、主要参考文献

[1] 管慧娟.基于区域的图像分割方法[D].大连理工大学.2005.

[2] 章毓晋.图像分割[M].北京:科学出版社.2001.

[3] 何斌等.Visual C++数学图像处理(第二版)[M].北京:人民邮电出版社.2002.

[4] 李弼程,彭天强,等.智能图像处理技术[M].北京:电子工业出版社.2004.

[5] Canny.L.A computational approach to edge detection[J].IEEE Transactions on Pattern Analysis and Machine Intelligence.1986,6(8):679-698.

[6] 何东健,耿楠,等.数字图像处理[M].西安电子科技大学出版社.2003.

[7] 马丽艳.基于变分方法的图像分割和图像恢复研究[D].北京交通大学.2013.

[8] 张宏伟. 基于图像分析的废杂铜熔炼过程控制[D].浙江大学.2014.

[9] 张兴峰,沈兰荪.图像分割技术研究[J].电路与系统学报.2004,2(9):324-396.

[10] Theo Pavlidis,Yuh-Tay Liow.Intergrating region growing and edge fetection[J].IEEE Transactions on Pattern Analysis and Machine Intelligence.1990,3(12):225-233.

[11] Song Gao and Tien D.Bui.image segmentation and slective smoothing by using mumford-shah model[J].IEEE Transactions on Pattern Analysis and Machine Intelligence.2005,10(14):1537-1548.

[12] Pascal Martin.Influence of the noise model on level set active contour segmentation[J].IEEE Transactions on Pattern Analysis and Machine Intelligence.2004,6(26):799-803.

[13] Ana Petrovic.Multiresolution segmentation of natural images:From linear to nonlinear scale-space representations[J].IEEE Transactions on Pattern Analysis and Machine Intelligence.2004,8(13):1104-1114.

[14] Kenneth R.Castleman.朱志刚,等译.数字图像处理(新版)[M].电子工业出版设.2002.

[15] 阎贝.医学图像分割算法研究与实现[D].电子科技大学.2012.

[16] 李强强.基于图像处理技术的桥梁裂缝检测算法研究[D].河南科技大学.2014.

[17] 杨福生.小波变换的工程分析与应用[M].北京:科学出版社.2003.

[18] 陈武凡.小波变换及其在图像处理中的应用[M].北京:科学出版社.2004.

[19] P.Campadelli.Color image segmentation using hopfileld networks[J].Image and Vision Computing.1997,8(15):161-166.

[20] N.Papamarkos.Multithresholding of color and gray-level images through a neural network technique[J].Image and Vision Computing.2000,18(20):213-222.

[21] 郭加成. 肾上腺CT图像分割算法的研究[D].南方医科大学.2014.

[22] A.Chehikian.Image segmentation by contours and regions cooperation[J].Signal Processing.1999,8(78):329-347.

[23] Jong-Bae Kim,Hang-Joon Kim.Multiresolution-based watersheds for efficient image segmentation[J].Pattern Recognition Letters.2003,24(3):473-488.

[24] 张建勋.基于小波分解与神经网络的图像分割方法[J].系统仿真学报.2004,4(17):859-862.

[25] 邱少强.基于神经网络与遗传算法的纹理图像分割[J].武汉理工大学学报.2004,3(26):86-93.

[26] 董湘君.一种基于小波变换的文本图像阈值分割[J].华南师范大学学报(自然科学版).2004,3(20):63-71.

[27] 宋晓东等.一种基于数学形态学的SAR图像分割方法[J].电脑与信息技术.2002,5(33):46-49.

[28] 王宇.一种基于数学形态学的遥感图像边缘检测算法[J].计算机工程与应用.2003,30(8):91-93.

[29] 金聪,彭嘉雄.利用遗传算法实现数字图像分割[J].小型微型计算机系统.2002.7(23):875-877.

[30] 孙亦南.基于分形理论和数学形态学的图像边缘检测方法[J].计算机工程.2003,20(29):20-68.

[31] Junmo Kim,John W.Fisher.A nonparametric statistical method for image segmentation using information theory and curve evolution[J].IEEE Transactions on Pattern Analysis and Machine Intelligence.2005,10(14):42-56.

[32] 吴学明.图像分割的算法研究[D].成都理工大学.2006.

[33] 杨杰.数字图像处理及MATLAB实现[M].北京:电子工业出版设.2010.

[34] 刘刚.MATLAB数字图像处理[M].北京:机械工业出版设.2010.

[35] Rafael C Gonzalez,Richard E Woods,Steven L Eddins,etal.数字图像处理 (MATLAB版)[M].阮秋琦译.北京:电子工业出版设.2005.

 

二、毕业设计(论文)工作实施计划

(一)毕业设计(论文)的理论分析与软硬件要求及其应达到的水平与结果

1.理论分析:

(1)常见的图像分割算法:

 1)边缘检测:确定图像中的物体边界的一种方法是先检测每个像素和其直接邻域的状态,以决定该像素是否确实处于一个物体的边界上。常用的边缘检测算子有Robert算子、Sobel算子、Prewitt算子、Log算子和Canny算子。

2)阈值分割:它适用于物体与背景有较强对比的景物分割。

3)区域分割:基于区域的分割算法,通常包括区域生长和区域分裂合并两种执行方式。区域生长是指将具有相似特性的区域合并起来,首先要找一个或者几个像素点作为种子,然后根据某些原则进行区域生长,直到没有需要合并的区域;区域分裂合并也是按照某些一致性的准则进行区域的分裂或者区域的合并,如果区域不满足该准则,那么就将该区域进行分裂,得到几个小的区域,不过当相邻的区域具有某些特征类似性的时候,可以将这些区域经过运算进行合并,变成一个大面积的区域。区域分裂合并中常用的是四叉树分解算法。区域分割算法不但结合了区域的空间性质,而且还考虑了区域之间的邻接性,可以深入到像素级进行图像分割,分割的精度高,准确性好。此外,区域分割算法在一定程度上可以消除孤立噪声,避免了它对分割的干扰,从而具备了很强的鲁棒性。

2.软硬件要求

(1)MATLAB7.0以上版本;

(2)计算机一台。

3.应达到的水平与结果

(1)在MATLAB环境下编程实现图像分割算法;

(2)完成毕业设计论文。

(二)毕业设计(论文)工作进度与安排www.eeeLw.com

起讫日期 工作内容和要求 备注

3月23日-3月29日 搜集文献资料,确定论文研究的方向和方法,并完成开题报告、审题表、任务书的内容。

3月30日-4月5日 针对老师提出的意见,做出开题报告的部分更改。搜集资料,了解图像分割的相关的理论知识。

4月6日-4月12日 确定论文的整体结构,完成论文第一章绪论部分的撰写。

4月13日-4月19日 编写相应的程序,利用MATLAB软件对图像进行处理。

4月20日-4月26日 完成论文第二章图像分割理论知识的撰写。

4月27日-5月3日 完成论文第三章区域分割算法理论知识的撰写。

5月4日-5月10日 将区域分割算法处理的效果图与其他算法的效果图进行比较。完成第四章分割结果的撰写以及第五章对论文的总结。

5月11日-5月17日 对论文进行整体修改,包括内容上以及格式上。

5月18日-5月24日 修改论文,完成第一次查重。翻译外文参考文献,对论文格式进行修改,对参考资料、摘要进行书写,送给审阅老师进行审阅。