基于直方图的图像分割算法及系统实现开题报告

1. 研究目的与意义

图像分割是按照一定标准，将图像划分为互不重叠的区域，各区域内部具有相似的特征。

图像分割是图像处理、图像分析理解的重要前期工作，分割结果的好坏直接影响到后期图像分析和理解的质量。

阈值分割法是快速、简单、有效的分割方法，有着广泛的应用。

2. 研究内容和预期目标

通过一维阈值分割的推广，研究对比图像的各类二维阈值分割方法，并选用效果较佳的一类算法进行手势识别的系统实现。

1.一维otsu法

2.li与lee基于交叉熵的阈值分割方法

3. 国内外研究现状

kapur首先将信息熵的方法引入阈值分割，提出了最大shannon熵阈值法。

由于一维直方图没有考虑到图像的空间信息，当图像有噪声时，分割效果并不佳。

因此，学者将最大熵法扩展到了二维，如brink基于灰度-领域平均灰度二维直方图，提出了二维最大shannon熵分割法。

4. 计划与进度安排

在基于交叉熵的阈值分割方法的基础上，将其推广到二维灰度直方图上，研究基于灰度-领域均值灰度的二维arimoto灰度交叉熵法，在arimoto灰度熵基础上，结合灰度-领域均值灰度二维直方图划分方式，推导出二维arimoto灰度交叉熵的阈值选择函数，并采用改进的人工蜂群算法，加速最佳阈值的搜索速度。

与arimoto 熵法，tsallis交叉熵法等方法相比。

选用最佳的二维交叉熵的图像分割算法来实现图像的阈值分割，继而应用到手势分割的系统实现上来。

5. 参考文献

[1] li c h, lee c k. minimum cross entropy thresholding[j]. pattern recognition,1993,26(4): 617~625

[2] jiu-lun fan. notes on poisson distribution-based minimum error thresholding[j]. pattern recognition letters 19(1998):425~431

[3] 吴成茂、范九伦，基于交叉熵阈值法的快速迭代算法[j].计算机应用与软件，2007，vol.24 no 6:6~8