图像分割方法的比较研究开题报告

1. 研究目的与意义

在计算机视觉领域，图像分割（Segmentation）指的是将数字图像细分为多个图像子区域（像素的集合）（也被称作超像素）的过程。图像分割的目的是简化或改变图像的表示形式，使得图像更容易理解和分析。图像分割通常用于定位图像中的物体和边界（线，曲线等）。更精确的，图像分割是对图像中的每个像素加标签的一个过程，这一过程使得具有相同标签的像素具有某种共同视觉特性。图像分割技术在军事、医学上有着广泛的应用，尤其在医学上，图像分割技术使得人们获得更加有效的医学信息，因此具有很大的研究价值。而如何找到科学、正确的分割方法，使分割后的图像具有更好的分割效果，从而获得更加广泛的应用，这是分割领域的重点。

2. 课题关键问题和重难点

课题关键问题：

1、 明确图像分割的定义，然后分类对基本的分割技术和原理进行分析和解释。

2、 用MATLAB或C 语言来实现图像分割方法的比较研究。改为来实现图像分割的各种方法。

3. 国内外研究现状（文献综述）

图像分割起源于电影行业。伴随着近代科技的发展，图像分割在实际中得到了广泛应用，如在工业自动化、在线产品检验、生产过程控制、文档图像处理、遥感和生物医学图像分析、以及军事、体育、农业工程等方面。总之，只要是涉及对对象目标进行特征提取和测量，几乎都离不开图像分割。所以，对图像分割的研究一直是图像工程中的重点和热点。

对灰度图像的分割，可以基于图像灰度值的两个性质：不连续性和相似性，分割技术据此可以分为利用区域间灰度不连续性的基于边界的技术和利用区域内灰度相似性的基于区域的技术。另外，根据分割的策略不同，分割技术可以分为并行技术和串行技术。上述的两个准则互不重合又相互补充，所以分割技术可以根据这两个准则分为4类：PB:并行边界技术。SB：串行边界技术。PR：并行区域类。

SR：串行区域类。

4. 研究方案

本课题的实施方案包括以下四个部分：

1、理解图像分割的定义，确定图像处理采用的流程图，加深对毕业设计课题的理解。

2、熟悉MATLAB和C 软件的使用，采用基于边缘的分割方法、基于阈值的分割方法、基于区域生长的分割方法、基于聚类的分割方法，开始编程，对图像进行处理。

5. 工作计划