图像分割中一种多层次自适应的算法研究

论文摘要

随着21世纪的到来,计算机技术的发展更加迅猛,计算机的相关技术在各行各业的应用也更加广泛。在数字图像处理方面,人们越来越多地利用计算机来帮助人类获取与处理视觉图像信息。图像分割的目的就是要将目标物体与背景区分开来,也就是找出图像中物体与背景的边界线。图像分割邻域的技术发展至今,已经提出了多种分割算法,但总结其一般原理,可将其归为基于阈值的分割,基于区域的分割,基于边缘检测的分割等三大类。本文首先从研究国内外图象分割技术的历史发展状况和发展史上的一些经典分割算法和技术出发,对各种算法与技术进行分析比较,找出其适合的各种应用场合,在分析这些算法与技术的基础上,提出一种多层次自适应图象分割算法。其次,对该算法的核心技术进行了细致研究和探讨,并予以实现。第三,对所提出的算法进行了测试,将得出的结果与其它算法进行比较,分析比较了其优缺点。文章的最后部分是对整个课题的总结,提出了进一步改善的方向,并对以后的图像分割发展趋势做出展望。

论文目录

• 摘要
• Abstract
• 第1章 引言
• 1.1 研究背景
• 1.2 课题来源
• 1.3 国内外研究现状
• 1.4 本人主要工作
• 1.5 论文组织结构
• 第2章 图像分割技术基础
• 2.1 基于阈值的图像分割
• 2.1.1 阈值分割的基本概念
• 2.1.2 阈值法举例
• 2.2 基于边缘信息的图像分割
• 2.2.1 边缘信息分割的基本概念
• 2.2.2 微分算子法
• 2.2.3 Laplacian算子
• 2.2.4 Canny算子
• 2.2.5 几种边缘检测算法的比较
• 2.3 基于区域的图像分割
• 2.3.1 区域分割的基本概念
• 2.3.2 区域生长
• 2.3.3 区域的分裂——合并算法
• 2.3.4 基于区域生长方法的总结
• 2.4 基于特定理论的分割方法
• 2.4.1 数学形态学方法
• 2.4.2 基于人工神经网络的方法
• 2.4.3 基于模糊集理论的分割方法
• 2.5 本章小结
• 第3章 多层次自适应图像分割算法
• 3.1 基本思路
• 3.2 关键技术
• 3.2.1 灰度图像的强度特征提取
• 3.2.2 灰度图像的纹理特征提取
• 3.2.3 四叉树求邻域
• 3.2.4 原始图像的多层次粗化及粗化后子区域的分割
• 3.2.5 子区域的自适应分割
• 3.3 算法实现
• 3.3.1 提取灰度特征
• 3.3.2 提取纹理特征
• 3.3.3 四叉树求领域多层划分种子区域
• 3.3.4 子区域分割
• 3.4 本章小结
• 第4章 测试与分析
• 4.1 测试环境
• 4.2 测试结果及分析
• 4.2.1 测试一
• 4.2.2 测试二
• 4.3 本章小结
• 第5章 总结与展望
• 5.1 总结
• 5.2 展望
• 致谢
• 参考文献
• 附录
• 攻读学位期间的研究成果