Contourlet域CV图像分割模型开题报告

1. 研究目的与意义

对一副图像进行图像处理的时候，往往我们只对图像一部分感兴趣，这个时候就需要对图像进行分割。图像分割是图像识别和图像理解的基本前提步骤，图像分割质量的好坏直接影响后续图像处理的效果，甚至决定其成败，因此，图像分割的作用是至关重要的。图像分割技术自20世纪70年代受到人们高度重视，虽然各位研究者提出了很多的方法，但还没有一种普遍适用的理论。图像分割在心理学，计算机学，生理学等诸多领域都有重要的作用，其次她在军事，遥感，气象等大型运用中也在稳步增长。

2. 国内外研究现状分析

现有图像分割的方法主要有以下方法：基于阀值的分割方法，基于区域的分割方法，基于边缘的分割方法以及基于特定理论的分割方法。

虽然现在图像分割尚无通用理论，但是近年来很多学者致力于用新理论，新方法应用于图像分割，结合特定理论的图像分割方法在图像分割应用方面取得了较好的效果。

如小波分析和小波变换，等数学工具的运用，有效的改善了分割的效果。

3. 研究的基本内容与计划

一、研究内容 ：

（1） contourlet域图像分割的工作原理及其发展过程；

（2） cv图像模型的产生与应用；

4. 研究创新点

小波变换具有使频局域化和多尺度，多分辨率分析的有点，在图像处理领域得到了广泛的应用。虽然常用的离散小波变换能够有效捕捉一维信号的奇异性，但其难以表示更高维的几何特征，而图像的轮廓，边缘和纹理等具有更高维奇异性的几何特征包含了大量的信息，因此小波并不是表示图像的最优基。轮廓变换是一种灵活的多分辨率，多方向性的变换，它允许每个尺度上有不同数目的方向。Contourlet能够很好的表示图像的各向性特征，更好地捕获图像边缘信息，在图像处理应用中能比小波变换更好地表示图像的边缘及纹理特征。