圖像分割算法的實(shí)現(xiàn)與研究 開題報(bào)告

電子工程學(xué)院本科畢業(yè)設(shè)計(jì)開題報(bào)告學(xué)號(hào)姓名導(dǎo)師題目圖像分割算法的實(shí)現(xiàn)研究課題的意義（背景需求等，即為什么研究該課題）：圖像分割是圖像處理中的一項(xiàng)關(guān)鍵技術(shù)，也還是一經(jīng)典難題，發(fā)展至今人沒有找到一個(gè)通用的方法，也沒有制定出判斷分割算法好壞的標(biāo)準(zhǔn)，任何一單獨(dú)的圖像分割算法都難以對一般圖像取得令人滿意的分割結(jié)果，這給圖像分割技術(shù)的應(yīng)用帶來許多實(shí)際問題。因此，對近幾年來出現(xiàn)的圖像分割方法作較全面的綜述，探討了圖像分割技術(shù)的發(fā)展方向，對從事圖像處理研究的科研有一定的啟發(fā)作用。閾值圖像分割，K-means算法和分水嶺算法都還有很多的缺陷和很大的發(fā)展空間，此課題有助于我們更好地了解，并對三種算法加以改進(jìn)。課題之前的研究基礎(chǔ)（前人所做的工作）：圖像分割是圖像處理中的一項(xiàng)關(guān)鍵技術(shù)，自20世紀(jì)70年代起一直受到人們的高度重視，至今已提出上千種分割算法．但因尚無通用的分割理論，現(xiàn)提出的分割算法大都是針對具體問題的，并沒有一種適合所有圖像的通用分割算法．另外，還沒有制定出選擇適用分割算法的標(biāo)準(zhǔn)，這給圖像分割技術(shù)的應(yīng)用帶來許多實(shí)際問題．最近幾年又出現(xiàn)了許多新思路、新方法或改進(jìn)算法．現(xiàn)有大部分算法都是集中在閾值確定的研究上，閾值分割方法根據(jù)圖像本身的特點(diǎn)可分為全局閾值，局部閾值和自適應(yīng)閾值三種分割算法，但是單閾值不能很好地處理包含多個(gè)前景的圖像,多閾值方法也有對于某些像素不能準(zhǔn)確判斷的缺點(diǎn),因此，在克服以上理論缺點(diǎn)和承其優(yōu)點(diǎn)的基礎(chǔ)上，我將研究自適應(yīng)閾值。現(xiàn)有的K-means算法存在很多缺點(diǎn)，如K值要事先給定；要根據(jù)初始聚類中心來確定一個(gè)初始劃分，然后對初始劃分進(jìn)行優(yōu)化；而且還要不斷地進(jìn)行樣本分類調(diào)整?；谛螒B(tài)學(xué)分水嶺的圖像分割算法是目前圖像分割中探討較多的算法之一.傳統(tǒng)形態(tài)學(xué)分水嶺算法主要存在過度分割和計(jì)算耗時(shí)兩方面的問題。課題現(xiàn)在要解決的問題（即研究什么）：用Matlab實(shí)現(xiàn)基于自適應(yīng)閾值、K-means和分水嶺算法的圖像分割算法，同時(shí)，了解各個(gè)算法的運(yùn)算原理及各自功能。并用這些算法對不同類型的圖像進(jìn)行分割，找出三個(gè)常規(guī)算法的不足與缺陷，分析其分割結(jié)果，對三種基本算法可能遇上的如噪聲敏感、初值敏感、死中心，中心的冗余、被困在局部極小問題的中心、過度分割和計(jì)算耗時(shí)等問題加以改進(jìn)。解決問題的工作思路和研究方案（即怎么研究）：自適應(yīng)閾值圖像分割：自適應(yīng)閾值與像素坐標(biāo)、圖像像素的本身性質(zhì)和局部區(qū)域性質(zhì)相關(guān)，是根據(jù)空間信息和灰度信息確定。它的思想是首先設(shè)定圖像的一個(gè)些閾值T，將圖像分割成一系列互不重疊的子圖像，計(jì)算出每個(gè)子圖像的閾值;然后將計(jì)算出來的閾值構(gòu)成一個(gè)矩陣,并對其進(jìn)行插值,通過插值獲得所有像素的閾值,使之成為與原圖像像素?cái)?shù)目相同大小的矩陣,設(shè)得到的矩陣為y;最后將圖像每一像素的灰度大小與矩陣y比較,設(shè)目標(biāo)物體為圖像中較亮的部分,如該點(diǎn)灰度值比矩陣y對應(yīng)原素值大,則判為目標(biāo),反之則判為背景，實(shí)現(xiàn)動(dòng)態(tài)分割。二，K-means圖像分割：K-means原理為首先取k個(gè)初始類均值，計(jì)算其它每個(gè)像素到這k個(gè)初始均值的距離，找出最小距離，把像素歸入最近的類群，再計(jì)算新的類群的均值，然后計(jì)算每個(gè)像素到k個(gè)新類均值的距離，重新歸類，修改新的類均值，迭代執(zhí)行前面的步驟直到新舊類均值之差小于某一閾值。三，分水嶺圖像分割：由于分水嶺分割對圖像中的噪聲比較敏感，而且容易產(chǎn)生過度分割，應(yīng)首先用Sobel算子計(jì)算獲得梯度圖像，再對梯度圖像進(jìn)行閾值處理，用閾值限制梯度圖像以達(dá)到消除灰度值的微小變化產(chǎn)生的過度分割，獲得適量的區(qū)域，再對這些區(qū)域的邊緣點(diǎn)的灰度級(jí)進(jìn)行從低到高排序，然后在從低到高實(shí)現(xiàn)淹沒的過程，再對梯度圖像進(jìn)行分水嶺變換。分水嶺變換是指將原圖像轉(zhuǎn)換成一個(gè)標(biāo)記圖像，其中所有屬于同一集水盆的點(diǎn)均被賦予同一個(gè)標(biāo)記，并用一個(gè)特殊的標(biāo)記來標(biāo)識(shí)分水嶺上的點(diǎn)。研究計(jì)劃安排與預(yù)期成果：首先，翻譯查閱有關(guān)圖像分割知識(shí)的書籍、文件，對圖像分割的相關(guān)知識(shí)深入認(rèn)識(shí)，了解圖像分割的常用方法，及其遇到的各類問題。對各類問題加以總結(jié)。然后，運(yùn)用Matlab實(shí)現(xiàn)圖像分割的三種基本算法，包括自適應(yīng)閾值、K-means和分水嶺算法。提交算法