图像分割技术研究--毕业论文.doc
《图像分割技术研究--毕业论文.doc》由会员分享,可在线阅读,更多相关《图像分割技术研究--毕业论文.doc(39页珍藏版)》请在三一文库上搜索。
1、本本 科科 毕毕 业业 论论 文文 图像分割技术研究 Survey on the image segmentation 学院名称: 电气信息工程学院 专业班级: 电子信息工程 0601 班 2010 年 6 月 I 图像分割技术研究图像分割技术研究 摘要摘要 图像分割是图像分析的第一步,是计算机视觉的基础,是图像理解的重要组成部 分,也是图像处理、模式识别等多个领域中一个十分重要且又十分困难的问题。在图像 处理过程中,原有的图像分割方法都不可避免的会产生误差,这些误差会影响到图像处 理和识别的效果。 遗传算法作为一种求解问题的高效并行的全局搜索方法,以其固有的鲁棒性、并行性 和自适应性,使之非
2、常适于大规模搜索空间的寻优,已广泛应用许多学科及工程领域。 在计算机视觉领域中的应用也正日益受到重视,为图像分割问题提供了新而有效的方法。 本文对遗传算法的基本概念和研究进展进行了综述;重点阐述了基于遗传算法的最大 类间方差进行图像分割算法的原理、过程,并在 MATLAB 中进行了仿真实现。实验结果表 明基于遗传算法的最大类间方差方法的分割速度快,轮廓区域分割明显,分割质量高, 达到了预期目的。 关键字关键字: 图像分割;遗传算法;阈值分割 Survey on the image segmentation Abstract Image segmentation is the first ste
3、p of image processing and the basic of computer vision. It is an important part of the image, which is a very important and difficult problem in the field of image processing, pattern recognition.In image processing process, the original method of image segmentation can produce inevitable errors and
4、 these errors can affect the effect of image processing and identification . This paper discusses the current situation of the genetic algorithms used in the image segmentation and gives some kind of principles and the processes on genetic algorithm of image segmentationIn this paper.It also descrip
5、ts the basic concepts and research on genetic algorithms .It emphasizes the algorithm based on genetic and ostu and realizes the simulation on Matlab. The experimental results show that this method works well in segmentation speed, the outline of the division and separate areas of high quality and a
6、chieve the desired effect. Genetic algorithm (GA) is a sort of efficient,paralled,full search method with its inherent virtues of robustness,parallel and self-adaptive characters. It is suitable for searching the optimization result in the large search space. Now it has been applied widely and perfe
7、ctly in many study fields and engineering areas. In computer vision field GA is increasingly attached more importance. It provides the image segmentation a new and effective method. Key words image segmentation; genetic algorithm; image threshold segmentation 0 目录目录 第一章 绪论 1 1.1 本课题研究的背景、目的与意义 1 1.2
8、 本课题研究的现状与前景 2 1.3 本论文的主要工作及内容安排 3 第二章 图像分割基本理论 4 2.1 图像分割基本概念 4 2.2 图像分割的体系结构 4 2.3 图像分割方法分类 5 2.3.1 阈值分割方法 5 2.3.2 边缘检测方法 8 2.3.3 区域提取方法 9 2.3.4 结合特定理论工具的分割方法 .10 2.4 图像分割的质量评价 .11 第三章 遗传算法相关理论 .12 3.1 遗传算法的应用研究概况 .12 3.2 遗传算法的发展 .12 3.3 遗传算法的基本概念 .13 3.4 遗传算法基本流程 .14 3.5 遗传算法的构成 .14 3.5.1 编码 .14
9、3.5.2 确定初始群体 .14 3.5.3 适应度函数 .15 3.5.4 遗传操作 .15 3.5.5 控制参数 .17 3.6 遗传算法的特点 .18 第四章 MATLAB 相关知识.20 4.1 MATLAB 简介 20 1 4.2 MATLAB 的主要功能 20 4.3 MATLAB 的技术特点 21 4.4 遗传算工法具箱(SHEFFIELD工具箱) .22 第五章 基于遗传算法的最大类间方差图像分割算法 .24 5.1 最大类间方差法简介 .24 5.2 基于遗传算法的最大类间方差图像分割 .25 5.3 流程图 .26 5.4 实验结果 .27 第六章 总结与展望 .29 6.
10、1 全文工作总结 .29 6.2 展望 .29 致 谢.30 参考文献.31 附录.32 0 第一章第一章 绪论绪论 1.11.1 本课题研究的背景、目的与意义本课题研究的背景、目的与意义 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 和分析逐渐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。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、计算机科学等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。 图像分割是图像分
11、析的第一步,是计算机视觉的基础,是图像理解的重要组成部分, 也是图像处理、模式识别和人工智能等多个领域中一个十分重要且又十分困难的问题。 所谓图像分割就是要将图像表示为物理上有意义的连通区域的集合,也就是根据目标与 背景的先验知识,对图像中的目标、背景进行标记、定位,然后将目标从背景或其他伪 目标中分离出来。由于这些被分割的区域在某些特性上相近,因而图像分割常用于模式 识别与图像理解以及图像压缩与编码两大类不同的应用目的。由分割产生的区域是图像 内容的一种表示,它是对图像进行视觉分析和模式识别的基本前提,分割结果的质量直 接影响到以后的图像分析、识别和解释的质量,具有重要的意义。图像分割的目的
12、在于 根据某些特征(如灰度级、频谱、纹理等)将一幅图像分成若干有意义的区域,使得这些 特征在某一区域内表现一致或相似,而在不同区域间表现出明显的不同。 图像分割的应用非常广泛,几乎出现在有关图像处理的所有领域,如:工业自动化、 在线产品检验、生产过程控制、文档图像处理、图像编码、遥感和生物医学图像分析、 保安监视,以及军事、体育、农业工程等方面。在各种图像应用中,只要需对图像目标 进行提取、测量等都离不开图像分割。虽然人们对图像分割已进行了大量的研究,但还 没有一种适合于所有图像的通用的分割算法。所以,图像分割一直以来都是图像技术中 的研究热点。因此,从原理、应用和应用效果等方面来深入研究图像
13、分割技术,对于提 高图像分析和图像理解系统的性能以及提高图像处理技术的应用水平都具有十分重要的 意义。 通常图像具有不确定性,即模糊性,因此图像分割问题目前尚未对不同的图像形成 统一的能达到最优质量分割的方法。多年来,图像分割一直得到人们的高度重视,但它 的研究进展比较缓慢,被认为是计算机视觉中的一个瓶颈。 1 遗传算法是建立在达尔文(Darwin)的生物进化论和孟德尔(Mendel)的遗传学说基础 上的算法。生物体可以通过遗传和变异来适应于外界环境。在进化论中,每一物种在不 断的发展过程中都是越来越适应环境,物种的每个个体的基本特征被后代所继承,但后 代又不完全同于父代,这些新的变化,若适应
14、环境,则被保留下来,否则,就将被淘汰。 亦即适者生存,不适者被淘汰。在遗传学中认为,遗传是作为一种指令遗传码封装在每 个细胞中,并以基因的形式包含在染色体中,每个基因有特殊的位置并控制某个特殊的 性质。每个基因产生的个体对环境有一定的适应性。基因杂交和基因突变可能产生对环 境适应性强的后代,通过优胜劣汰的自然选择,适应值高的基因结构就保存下来。 遗传算法就是模仿了生物的遗传、进化原理,并引用了随机统计理论而形成的。在 求解过程中,遗传算法从一个初始变量群体开始,一代一代地寻找问题的最优解,直至 满足收敛判据或预先设定的迭代次数为止。它作为一种求解问题的高效并行的全局搜索 方法,其主要特点是群体
15、搜索策略和群体中个体之间的信息交换,它能在搜索过程中自 动获取和积累有关搜索空间的知识,自适应的控制搜索过程以求得最优解或近似最优解, 即满意解。 遗传算法作为一种基于达尔文生物进化论的全局优化搜索方法,以其固有的鲁棒性、 并行性和自适应性,为图像分割问题提供了新而有效的方法。它不仅可以得到全局最优 解,而且大大缩短了计算时间。 1.21.2 本课题研究的现状与前景本课题研究的现状与前景 对图像分割方法,特别是近几年图像分割领域中出现的新思路、新方法,或对原有 方法的新的改进给出了一个比较全面的综述,希望能从整体上对这 一难题有一个清晰的 把握,从而对未来的工作有所启发。纵观图像分割技术在这些
16、年的发展,其中有几个明 显的趋势: 1.大量学者致力于将新的概念、新的方法引入图像分割领域,如这几年逐渐引起人 们重视的模糊算法、神经网络利遗传算法、小波分析、粗集理论、数学形态学等理论都 先后被应用于图像分割领域,为领域中的研究注入了新的活力,有效的解决了原有理论 的一部分缺陷,改善了分割效果,更重要的是为图像分割问题的最终解决开拓了新的思 路。随着基础理论研究的深化,这一趋势是必将会继续下去。 2.人们非常重视多种分割算法的有效结合,综合使用两种或两种以上的方法,能够 部分克服单独的图像分割算法难以对一般图像取得令人满意的分割效果的问题,占据了 分割领域中现有文献的大部分。而采取什么样的结
17、合方式才能体现各种方法的优点, 弥 2 补各自的不足, 取得好的预期效果,在未来将仍是人们关注的主要问题之一。 3.针对特定领域的特殊问题,利用这些领域的专业知识来辅助解决图像分割问题, 越来越多的吸引了研究人员的注意力,相应的,对图像分割作为一个统一对象的研究在 逐渐弱化。医学图像处理中的病理图像分割、工业图像分割、安全图像处理中的保密信 息提取、军事图像处理中的雷达图像分割及卫星图像分割、交通图像处理中的车牌识别 等都是近几年来图像分割领域中讨论较多的热点问题。 4.虽然对于彩色图像分割的研究已经有了许多成果, 但是与灰度图像分割方法的多 样性相比,其理论仍不够丰富,近几年,关于彩色图像分
18、割的文献有增加的趋势,有可 能成为一个新的热点方向。 1.31.3 本论文的主要工作及内容安排本论文的主要工作及内容安排 1.介绍分割技术,描述了边缘检测分割算法、区域跟踪分割法、阈值分割法及结合 特定理论工具的分割方法,着重描述了阈值分割法。 2.阐述遗传算法的发展历史、基本概念、基本流程、基本构成,特点以及其应用研 究概况。 3. 简单介绍了一下 MATLAB,包括它的功能跟技术特点,还有本文要用到的遗传算 工法具箱(Sheffield 工具箱) 4.详细介绍基于遗传算法的最大类间方差分割法的数学推导和它的求解步骤,得出 分割结果。 5.总结全文,并给出进一步研究方向及展望。 3 第二章第
19、二章 图像分割基本理论图像分割基本理论 2.12.1 图像分割基本概念图像分割基本概念 图像分割(Image Segmentation)就是将图像表示为物理上有意义的连通区域。人们一 般是通过对图像的不同特征如边缘、纹理、颜色、亮度等的分析达到图像分割的目的。 图像分割通常是为了进一步对图像进行分析、识别、跟踪、理解、压缩编码等,分割的 准确性直接影响后续任务的有效性,因此具有十分重要的意义。图像分割就是把图像分 成各具特性的区域并提取出感兴趣目标的技术和过程。图像分割在有些领域也称目标轮 廓、阈值化技术、图像区分或求差技术、目标检测技术、目标识别技术、目标跟踪技术 等。 图像分割是依据图像的
20、灰度、颜色或几何性质将图像中具有特殊含义的不同区域区 分开来,这些区域是互不相交的,每一个区域都满足特定的一致性。分割出来的区域应 该同时满足以下条件: 1.割出来的图像区域的均匀性和连通性。其中均匀性是指该区域中的所有像素点都 满足基于灰度、纹理、彩色等特征的某种相似性准则,连通性是指该区域内存在连接任 意两点的路径。 2.邻分割区域之间针对选定的某种差异显著性。 3.割区域边界应该规整,同时保证边缘的空间定位精度。 假设一幅图像中所有像素的集合为 F,有关均匀性的假设为 P()。分割定义把 F 划 分为若干子集S1,S2,Sn,其中每个子集都构成一个空间连通区域。于是以上条件 可用数学描述
21、如下: (1)FS n j j 1 (2) )(jiSS ji (3)TRUESP j )( (4)FALSESSP ji )( (5) 对于 i=1,2,n,S 是连通的区域 i 4 2.22.2 图像分割的体系结构图像分割的体系结构 图像工程可分三个层次:图像处理(像素)、图像分析(目标)和图像理解(符号)。图像 分割是从图像处理进到图像分析的关键步骤,也是进一步理解的基础。图像分割的体系 结构可以用图 2.1 表示。 基本分割算法 图像分割 分割技术 分割评价 现代分割算法 基本分割算法 现代分割算法 图 2.1 2.32.3 图像分割方法分类图像分割方法分类 图像分割方法有多种分类方式
22、,现将分割方法分为四类:(1)阈值分割方法; (2)边 缘检测方法; (3)区域提取方法; (4)结合特定理论工具的分割方法 2.3.1 阈值分割方法阈值分割方法 阈值分割法是一种简单有效的图像分割方法,最大的特点是计算简单。它用一个或 几个阈值将图像的灰度级分为几个部分,所有灰度值大于或等于某阈值的像素认为属于 物体,所有灰度值小于该阈值的像素认为属于背景。 设(x,y)是二维数字图像的平面坐标,图像灰度级的取值范围是 G=0,1,2,L-1(习惯上 0 代表最暗的像素点,L-1 代表最亮的像素点),位于坐 标点(x,y)上的像素点的灰度级表示为 f(x,y)。设 tG 为分割阈值,B=b0
23、,bl代表一 个二值灰度级,并且 b0,blB。于是图像函数 f(x,y)在阈值 t 上的分割结果可以表示为: (2.1) tyxfb tyxfb yxf ),(, 1 ),(, 0 ),( 阈值分割法实际就是按某个准则函数求最优阈 t 的过程。阈值一般可写成如下的形式: 5 T=Tx,y,f(x,y),p(x,y)(2.2) 其中 f(x,y)是在像素点(x,y)处的灰度值,p(x,y)是该点邻域的某种局部性质。借助 上式,将阈值分割方法分为 3 类: (l)全局阈值:T=Tp(x,y),即仅根据 f(x,y)来选取阈值,阈值仅与各个图像像素 的本身性质有关。 (2)局部阈值:T=Tf(x,
24、y),p(x,y),阈值与图像像素的本身性质和局部区域性质 相关。 (3)动态阈值:T=Tx,y,f(x,y),p(x,y),阈值与像素坐标,图像像素的本身性质 和局部区域性质相关。 全局阈值对整幅图像仅设置一个分割阈值,通常在图像不太复杂、灰度分布较集 中的情况下采用;局部阈值则将图像划分为若干个子图像,并对每个子图像设定局部阈 值;动态阈值是根据空间信息和灰度信息确定。局部阈值分割法虽然能改善分割效果, 但存在几个缺点: (1)每幅子图像的尺寸不能太小,否则统计出的结果无意义。 (2)每幅图像的分割是任意的,如果有一幅子图像正好落在目标区域或背景区域,而 根据统计结果对其进行分割,也许会产
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 图像 分割 技术研究 毕业论文
链接地址:https://www.31doc.com/p-3264117.html