《基于区域合并的纹理图像分割—msrm算法的matlab实现》由会员分享，可在线阅读，更多相关《基于区域合并的纹理图像分割—msrm算法的matlab实现（28页珍藏版）》请在金锄头文库上搜索。
1、本科毕业设计题目题目：基于区域合并的纹理图像分割 MSRM 算法的MATLAB 实现学学 院院:信息科学与工程学院专专 业业:电子信息工程学学 号号:200704135150学生姓名学生姓名:张琦指导教师指导教师:郑庆庆日日 期期:2011/5/30摘 要图像分割是图像分析及计算机视觉系统中的重要环节，是图像处理研究中的一个基本难题。图像分割是由图像处理到图像分析的关键步骤，只有在图像分割的基础上才能对目标进行特征提取、参数测量和识别，使得更高层的图像分析和理解成为可能，图像分割质量的好坏直接影响后续图像处理的效果。因此，可以说图像分割是图像处理中最为重要的环节。基于区域的图像分割方法，将图像
2、按内容划分成许多区域。虽然存在过分割，但是可以通过研究改进算法减少过分割或选择有效的后处理算法得到有用的结果。例如，在 Mean Shift 和 Watershed 这两种图像分割算法中，一方面可以研究各种减少过分割的改进算法。另一方面，也可以采用有效的预处理，去除噪音，使图像适宜于 Watershed或 Mean Shift 算法分割。MSRM 是基于最大相似度的区域合并算法,该算法简单有效,不需要设定区域合并的阈值,且对单目标和多目标图像都能正确分割。本设计在提取了图像的颜色特征和纹理特征之后，计算相邻区域的相似度，在人工交互信息的指导下，基于最大相似度准则逐步对初始过分割区域进行合并，分
3、离出图像中的目标和背景。关键词： MSRM；区域合并； 交互式图像分割；算法；纹理图像AbstractImage segmentation is the important elements of image analysis and computer vision systems ，and it is a fundamentalproblem in image processing。 Image segmentation is a key step that from image processing to the image analysis。Only on the basis of im
4、age segmentation to object feature extraction, parameter measurement and recognition，which make it possible to analysis and understanding of the higher-level image, and the quality of image segmentation directly affects the effect ofsubsequent image processing. Therefore, we conclude that image segm
5、entation is the most important part of image processing.Region-based image segmentation method is divided into many regions according to the contents of the image。Although there is over-segmentation，studing improved algorithm can reduce the over-segmentation or choosing an effective post-processing
6、algorithms are useful results. For example, in both Mean Shiftt and Watershed image segmentation algorithm, One can study a variety of improved algorithm to reduce over-segmentation, On the other hand, effective pretreatment can also be used to remove noise, and make the image suitable for Mean Shif
7、tt and Watershed segmentation algorithm.MSRM is a algorithm which based on the maximum similarity of the region merging, the proposed algorithm is efficient and effective, it does not require a preset threshold and can successfully extract the single objective and multi-target image from complex sce
8、nes . In this design, calculate the similarity of adjacent regions afte the extration of image color features and texture features, under the guidance of interaction information ,a maximal similarity based region merging mechanism was proposed to gradually merged the initial over-segmentation of reg
9、ions. Then separated the target and background from image.Keywords: MSRM; Region merging; Interactive Image Segmentation; Algorithm; Texture image目 录1 绪论 .11.1 研究的背景和意义.11.2 内容与组织结构.12 图像分割技术研究综述 .32.1 引言.32.2 图像分割的概念和分类.32.3 基于阈值的图像分割 .42.4 基于间断检测的图像分割.42.5 基于区域的分割.42.5.1 基于区域生长的分割 .52.5.1 基于分裂合并的分
10、割 .62.5.1 基于聚类的分割 .72.5.1 基于形态学的分割 .72.6 本章小结.73 基于最大相似度的交互式区域合并算法的研究 .83.1 引言.83.2 区域表示和相似性度量.93.3 目标和背景标记.93.4 基于最大相似度的区域合并机制.103.5 区域合并算法.113.6 收敛性分析.133.7 本章小结.144 图像分割系统设计及实验结果 .154.1 引言.154.2 图像分割系统.154.3 实验结果与分析.154.3.1 实验结果.154.3.2 鲁棒性分析.164.3.3 分割效率分析.194.3.4 结论.20结 束 语 .21参考文献 .22致 谢 .241 绪论绪论1.1 研究的背景和意义计算机视觉是通过计算机模拟人类视觉行为的一门学科，其任务为对输入的图像(序列)数据自动进行分析和解释。根据数据的组织形式，计算机视觉可划分为四个层次。最底层是原始的目标或场景，通过信号处理和数字化，得到对应图像的数字化表示形式；中间层则借助各种各样的算法，提取图像的各种特征，在各层之间建立联系；最后顶层通过模式识别方法，进行图像理解。视觉处理方法可分为两类：低级的图像处理方法和高层的图像理解方法。前者不需要预先知道图像的内容，通常包括图像压缩、图像恢复、图像分割、边界检测等方法，为高层的
