图像分割研究开题报告

其中分割结果直接影响后期图像分析的准确性。图像的阈值分割是一种传统的最常用的图像分割方法，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。它特别适用于目标和背景占据不同灰度级范围的图像。它不仅可以极大的压缩数据量，而且也大大简化了分析和处理步骤，因此在很多情况下，是进行图像分析、特征提取与模式识别之前的必要的图像预处理过程。图像阈值化的目的是要按照灰度级，对像素集合进行一个划分，得到的每个子集形成一个与现实景物相对应的区域，各个区域内部具有一致的属性，而相邻区域不具有这种一致属性。这样的划分可以通过从灰度级出发选取一个或多个阈值来实现。通过设定不同的特征阈值，把图像象素点分为若干类。运用图割理论知识进行图像分割是近年发展起来的新方法”。图割理论的核心思想在于构造一个能量函数，然后通过组合优化技术最小化该能量函数，运用能量最小化求解问题二般包括两个步骤，第一抽象出一个目标函数即能量函数，将它的解对应到实数集，并给出可能解的优劣程度。能量函数是问题软约束或硬约束的累加。第二最小化这个能量函数，这也是运用能量函数最小化解决问题的关键。图割理论不仅实现了全局最优问题，它还具有数字鲁棒性，高效性，以及融合多种先验知识的能力和实现多维空间模型的优越性。因此设计一种基于图割的图像分割方法是很有必要的。2001年，Boykov等人首次提出了基于图割理论的图像分割技术。图割理论的核心思想在于构造一个能量函数，然后运用组合优化技术最小化该能量函数。图割理论将视觉问题转化为像素的标号问题，图像分割问题即是一个将像素标为前景和背景的标号问题。即将图像分为目标和背景两部分的情形。通过网络的构造，最小化能量函数及网络流理论，可以将标号问题转化为求最大流最小割来解决。三、本课题在国内外的研究状况及发展趋势