图像分割算法的实现与研究 开题报告

电子工程学院本科毕业设计开题报告

学号姓名导师

题目图像分割算法的实现研究

课题的意义（背景需求等，即为什么研究该课题）：图像分割是图像处理中的一项关键技术，也还是一经典难题，发展至今人没有找到一个通用的方法，也没有制定出判断分割算法好坏的标准，任何一单独的图像分割算法都难以对一般图像取得令人满意的分割结果，这给图像分割技术的应用带来许多实际问题。因此，对近几年来出现的图像分割方法作较全面的综述，探讨了图像分割技术的发展方向，对从事图像处理研究的科研有一定的启发作用。阈值图像分割，K-means算法和分水岭算法都还有很多的缺陷和很大的发展空间，此课题有助于我们更好地了解，并对三种算法加以改进。

课题之前的研究基础（前人所做的工作）：图像分割是图像处理中的一项关键技术，自20世纪70年代起一直受到人们的高度重视，至今已提出上千种分割算法．但因尚无通用的分割理论，现提出的分割算法大都是针对具体问题的，并没有一种适合所有图像的通用分割算法．另外，还没有制定出选择适用分割算法的标准，这给图像分割技术的应用带来许多实际问题．最近几年又出现了许多新思路、新方法或改进算法．现有大部分算法都是集中在阈值确定的研究上，阈值分割方法根据图像本身的特点可分为全局阈值，局部阈值和自适应阈值三种分割算法，但是单阈值不能很好地处理包含多个前景的图像, 多阈值方法也有对于某些像素不能准确判断的缺点,因此，在克服以上理论缺点和承其优点的基础上，我将研究自适应阈值。现有的K-means算法存在很多缺点，如K值要事先给定；要根据初始聚类中心来确定一个初始划分，然后对初始划分进行优化；而且还要不断地进行样本分类调整。基于形态学分水岭的图像分割算法是目前图像分割中探讨较多的算法之一. 传统形态学分水岭算法主要存在过度分割和计算耗时两方面的问题。

课题现在要解决的问题（即研究什么）：用Matlab实现基于自适应阈值、K-means和分水岭算法的图像分割算法，同时，了解各个算法的运算原理及各自功能。并用这些算法对不同类型的图像进行分割，找出三个常规算法的不足与缺陷，分析其分

割结果，对三种基本算法可能遇上的如噪声敏感、初值敏感、死中心，中心的冗余、被困在局部极小问题的中心、过度分割和计算耗时等问题加以改进。

解决问题的工作思路和研究方案（即怎么研究）：

1，自适应阈值图像分割：

自适应阈值与像素坐标、图像像素的本身性质和局部区域性质相关，是根据空间信息和灰度信息确定。它的思想是首先设定图像的一个些阈值T，将图像分割成一系列互不重叠的子图像，计算出每个子图像的阈值;然后将计算出来的阈值构成一个矩阵,并对其进行插值,通过插值获得所有像素的阈值,使之成为与原图像像素数目相同大小的矩阵,设得到的矩阵为y ;最后将图像每一像素的灰度大小与矩阵y 比较,设目标物体为图像中较亮的部分,如该点灰度值比矩阵y 对应原素值大,则判为目标,反之则判为背景，实现动态分割。

二，K-means图像分割：

K-means原理为首先取k个初始类均值，计算其它每个像素到这k个初始均值的距离，找出最小距离，把像素归入最近的类群，再计算新的类群的均值，然后计算每个像素到k 个新类均值的距离，重新归类，修改新的类均值，迭代执行前面的步骤直到新旧类均值之差小于某一阈值。

三，分水岭图像分割：

由于分水岭分割对图像中的噪声比较敏感，而且容易产生过度分割，应首先用Sobel算子计算获得梯度图像，再对梯度图像进行阈值处理，用阈值限制梯度图像以达到消除灰度值的微小变化产生的过度分割，获得适量的区域，再对这些区域的边缘点的灰度级进行从低到高排序，然后在从低到高实现淹没的过程，再对梯度图像进行分水岭变换。

分水岭变换是指将原图像转换成一个标记图像，其中所有属于同一集水盆的点均被赋予同一个标记，并用一个特殊的标记来标识分水岭上的点。

研究计划安排与预期成果：

首先，翻译查阅有关图像分割知识的书籍、文件，对图像分割的相关知识深入认识，了解图像分割的常用方法，及其遇到

的各类问题。对各类问题加以总结。

然后，运用Matlab实现图像分割的三种基本算法，包括自适应阈值、K-means和分水岭算法。提交算法源程序，算法说明及测试报告。

接着，在已实现的基本算法基础上，对各个算法加以总结，解决基本算法中遇到的各种问题，改进算法。写出算法源程序，算法说明及测试报告。

最后，撰写学位论文，准备答辩。

报告日期导师签字