《图像分割技术研究毕业论文》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（39页珍藏版）》请在金锄头文库上搜索。
1、本 科 毕 业 论 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II图像分割技术研究 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
2、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： 图像分割；遗传算法；阈值分割Survey on the image segmentationAbstract Image segmentation is the first step of image processing and the basic of
3、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 these errors can affect the effect of
4、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 descripts the basic concepts and research on ge
5、netic 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 achieve the desired effect.Genetic algori
6、thm (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 perfectly in many study fields and engineering
7、 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目录第一章 绪论11.1本课题研究的背景、目的与意义11.2本课题研究的现状与前景21.3 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42.1 图像分割基本
8、概念42.2 图像分割的体系结构42.3 图像分割方法分类52.3.1 阈值分割方法52.3.2 边缘检测方法82.3.3 区域提取方法92.3.4 结合特定理论工具的分割方法102.4 图像分割的质量评价11第三章 遗传算法相关理论123.1 遗传算法的应用研究概况123.2 遗传算法的发展123.3 遗传算法的基本概念133.4 遗传算法基本流程143.5 遗传算法的构成143.5.1 编码143.5.2 确定初始群体143.5.3 适应度函数153.5.4 遗传操作153.5.5 控制参数173.6 遗传算法的特点18第四章 MATLAB相关知识204.1 MATLAB简介204.2 M
9、ATLAB的主要功能204.3 MATLAB的技术特点214.4 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245.1 最大类间方差法简介245.2 基于遗传算法的最大类间方差图像分割255.3 流程图265.4 实验结果27第六章 总结与展望296.1 全文工作总结296.2 展望29致 谢30参考文献31附录32第一章 绪论1.1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
10、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
11、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
12、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。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
13、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
14、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。1.2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
15、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。而采取什么样的结合方式才能体现各种方法的优点， 弥补各自的不足， 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
