图像分割论文

《图像分割论文》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、第一章　　绪论1.1课题的研究背景及意义随着信息技术的发展和不断深入，人们越来越多的利用计算机来帮助人类获取与处理各种信息。据统计，在人类从外界获得的信息中有75%左右是来自视觉或者说图像信息，它是人类最有效的信息获取和交流方式，图像也因为其所含的信息量大、表现直观而在近年得到的广为宣传和应用的多媒体中占据了重要的地位。图像分割是一种基本的计算机视觉技术，是从图像处理到图像分析的关键步骤。图像分割就是将图像表示为物理上有意义的连通区域的集合，是进行图像分析的第一步工作，也是解决起来比较困难的一个问题。对于那些基于图像分割结果的接下来的任务，如特征提

2、取、目标识别等的质量的好坏都取决于是否有一个质量比较好的图像分割结果，有效合理的图像分割能够为基于内容的图像检索、对象分析等抽象出十分有用的信息，从而使得更高层的图像理解成为可能[1]。1.1.1图像分割在数字图像处理中的地位为了弄清图像分割在数字图像处理中所处的地位，我们引入并使用“图像工程”这个概念。图像技术在广义上是各种与图像有关技术的总称。图像技术种类很多，跨度很大，但可以将它们归在一个整体框架一一“图像工程”之下。图像工程是一个对整个图像领域进行研究应用的新科学，它的内容非常丰富，根据抽象程度和研究方法等的不同可分为三个有特点的层次（如图

3、1-1所示）：图像处理、图像分析和图像理解[2]。图1-1　　图像分割在图像工程中的位置..图像处理着重强调在图像之间进行变换以改善图像的视觉效果。图像分析则主要是对图像中感兴趣的目标进行监测和测量，以获得它们的客观信息从而建立对图像的描述。图像理解的重点是在图像分析的基础上，进一步研究图像中各目标的性质和它们之间的相互联系，并得出对原始成像客观场景的解释，从而指导和规划行动。图像处理、图像分析和图像理解具有不同的操作对象，参考图1-1图像处理是比较低层的操作，它主要在图像像素级上进行处理。图像分析则进入了中层，它侧重于对像素集合到目标的表达测量描

4、述。图像理解主要是高层操作，基本上是对从描述中抽象出来的数据符号进行运算推理。在对图像的研究和应用中，人们往往仅对图像中的某些部分感兴趣。这些部分常称为目标或前景(其他部分称为背景)，它们一般对应图像中特定的、具有独特性质的区域。为了辨识和分析目标，需要将它们分离提取出来，在此基础上才有可能对目标进一步利用。图像分割就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。这里的特性可以是像素的灰度、颜色、纹理等。图像分割是由图像处理过渡到图像分析的关键步骤，在图像工程中占据重要的位置。一方面，它是目标表达的基础，对特证测量有重要的影响。另一方

5、面，因为图像分割及其基于分割的目标表达、特证提取和参数测量等将原始图像转化为更抽象更紧凑的形式，这才使得更高层的图像分析和理解成为可能。1.1.2图像分割的应用领域在实际生产生活中，图像分割的应用也非常广泛，几乎出现在有关图像处理的所有领域，并涉及各种类型的图像。例如，在遥感应用中，卫星云图的处理;在医学应用中，脑部MR图像分析;在交通图像分析中，违章车辆车牌区域的分割;在面向对象的图像压缩和基于内容的图像检索中感兴趣区域的提取。在这些应用中，图像分割通常是为了进一步对图像进行分析、识别、压缩编码等，区域提取的准确性将直接影响后继任务的有效性，因此

6、分割的方法和精确程度是至关重要的。也是因为图像分割在数字图像处理中占据了如此举足轻重的地位，所以才会在凡是有数字图像处理出现的地方就必然少不了图像分割的身影。纵观数字图像处理的历史，随着计算机的高速化和大容量化，摄像设备的小型化和高精度化，这在使得图像处理在工作站及个人计算机等小型机上的实现成为可能的同时，更使图像的质量有了突飞猛进的改善。技术的进步带来应用的革新，对人们的生产生活产生了全面而深刻的影响，使得数字图像处理技术在科学研究、工业生产、军事国防及现代管理决策部门等各行各业都得到越来越多的应用，其场合广阔、内容众多、形式新颖、门类齐全，其应

7、用前景可以说是方兴未艾，正向着实时化、大众化、小型化、远程化等多方面迅猛发展。下面列出的表1-1简明扼要地展示了数字图像处理的一些常见应用领域[2]。1.2图像分割技术的现状..自20世纪70年代起，对图像分割的研究一直是图像技术研究中的热点和焦点，人们对其的关注和投入不断提高。图像分割作为图像处理中的一项关键技术，至今已提出上千种分割算法，但因至今尚无通用的分割理论，现提出的分割算法也大都是针对具体问题的，并没有一种适合所有图像的通用分割算法。另外，还没有制定出选择适用分割算法的标准，这给图像分割技术的应用带来许多实际问题。比较常用的且分割效果较

8、为理想的有基于形态学的分水岭分割、快速聚类分割、颗粒分割、区域阈值法和边缘检测法等。表1-1　　数字图像处理的常见应用领域