数字图像的分割算法的设计和实现开题报告

全文总字数：2425字

1. 研究目的与意义

研究意义：图像分割是图像处理与计算机视觉领域低层次视觉中最为基础和重要的领域之一，它是对图像进行视觉分析和模式识别的基本前提。以广泛应用于各种图像处理中，如，在红外技术应用中，红外无损检测中红外热图像的分割，红外成像跟踪系统中目标的分割；在遥感应用中，合成孔径雷达图像中目标的分割等；在医学应用中，血液细胞图像的分割，磁共振图像的分割；在农业工程应用中，水果品质无损检测过程中水果图像与背景的分割；以及在工业生产中，机器视觉运用于产品质量的检测等等。但是它也是一个经典难题，到目前为止既不存在一种通用的图像分割方法，也不存在一种判断是否分割成功的客观标准。

阈值法是一种传统的图像分割方法，用来将图像的目标和背景分离开来，因其实现简单、计算量小、性能较稳定而成为图像分割中最基本和应用最广泛的分割技术，研究和设计图像的阈值分割算法不仅具有理论研究意义，而且有实际应用价值。

21世纪社会是一个充满信息的社会，信息的应用与处理越来越重要。而随着人们生活节奏的加快和对更舒适生活的追求，人们对于图像的需求已经远远大于对文字的需求。但是相对于文字处理来说，图像处理显然难度更大。因此，对于图像处理的研究被迫切提上日程。数字图像分割技术是图像处理中应用较为广泛的技术，而这一研究领域还亟待充实。因此，对其的研究很有必要。

2. 国内外研究现状分析

图像分割是图像处理中的一项关键技术[1]，也是一经典难题，自20世纪70年代起一直受到人们的高度重视，至今已提出了上千种分割算法，主要由如下几类： (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。

阈值分割法利用图像中目标物与其背景灰度特性上的差异，把图像视为具有不同灰度级的两类区域（目标和背景）的组合，选取一个合适的阈值，以确定图像中的每一个像素点应该属于目标还是背景区域，从而产生相应的二值图像。阈值分割方法的特点是：适用于物体与背景有较强对比的情况，重要的是背景或者物体灰度比较单一，而且总可以得到封闭且连通区域的边界。

边缘检测方法是指图像中像素灰度有阶跃变化或屋顶变化的那些像素的集合。边缘检测方法主要工作包括图像的二值处理，灰度处理，并运用sobel, canny, roberts, laplacan四个算子实现数字图像边缘检测。它通过检测图像中不同区域的边缘来达到分割图像的目的，通过检测图像的边缘形成局部的闭合区域，并确定目标区域，从而实现图像分割。

3. 研究的基本内容与计划

研究内容：本课题主要基于类间方差法研究灰度图像和彩色图像的阈值分割算法，并采用pso算法选择最佳阈值，实现图像的自动分割。主要包括以下研究内容：

（1）针对简单的灰度图像基于类间方差法和pso优化算法设计单阈值自适应分割算，并进行程序实现。

（2）针对复杂的灰度图像，基于类间方差法和pso算法设计双阈值自适应分割算法，并进行程序实现。

4. 研究创新点

本课题基于阈值分割算法设计灰度和彩色图像的分割算法，并基于类间方差法设计出最佳阈值的选择算法，为了加快阈值的选择速度，采用PSO算法选取最佳阈值，最后对所设计的算法进行程序实现，以实现对图像进行分割，从中提取目标。