阈值分割

分类：开题报告    更新时间：09-03    来源：网络

 一、课题综述及研究意义

图像阈值化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，而相邻区域布局有这种一致属性。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。阈值分割的优点是计算简单、运算效率较高、速度快。在重视运算效率的应用场合(如用于硬件实现)，它得到了广泛应用。目前，图像的阈值分割已被应用于很多的领域，例如，在红外技术应用中，红外无损检测中红外热图像的分割，红外成像跟踪系统中目标的分割；在遥感应用中，合成孔径雷达图像中目标的分割等；在医学应用中，血液细胞图像的分割，磁共振图像的分割；在农业工程应用中，水果品质无损检测过程中水果图像与背景的分割。在工业生产应用中，机器视觉运用于产品质量检测等。

 

二、课题拟采取的研究方法和技术路线

先分析三维 Otsu 算法，由于其充分考虑图像的灰度信息、空间信息和像素点信息，分割效果较好，但由于涉及到图像信息量多，增加了算法的复杂度，降低了运算速度。为了解决这一问题，通过分析三维 Otsu 算法的基本原理，结合三维 Otsu算法和遗传算法的优点，本文提出用遗传算法优化三维 Otsu 算法，即为了求取目标函数的最大值，通过遗传算法的编码、初始化、确定适应度函数以及选择、遗传和变异等一系列的运算的过程来求得最佳阈值。当目标函数最大时，对应的阈值是最优的阈值，根据阈值对图像进行分割。

因此在遗传算法的基础上对三维 Otsu 算法优化，并且运用 MATLAB 对优化算法以及三维 Otsu 进行仿真对比.

三、主要参考文献

[1] Papamarkes N, Gatos B. A new approach for multilevel threshold selection CVGIP[J], Craphical models and image process,1994,56(5):357-370.

[2}OlivoJC.Automaticthresholdselectionusingthewaveledtransform,

CVGIP[J], Graphical models and image process, 1994,56(5):357-370.

[3]Chen Zikuan, Yang Tao , Chen Xin,et al. Wavelet basced adaptive thresholding method for image segmentation[J], Optical engineering,2001,40(5):868-874.

[4]王培珍,杜培明.一种用于多阈值图像自动分割的混合遗传算法[J],中国国家图形

学报,2000,5(1):44-47.

[5]严学强,叶秀清,刘济林,等.基于量化图像直方图的最大熵阈值化分割算法[J],模式识别人工智能,1998,11(3):352-358.

[6]薛景浩.基于最大类间后验交叉熵的阈值 haunted 分割算法[J],中国国家图形学报,1999,10(6):111-114.

[7]余勇, 施鹏飞, 赵立初. 基于最小能量的图像分割方法[J], 红外与激光工程,1999,28(4):20-27.

[8]任明武,杨静宇,孙涵.一种基于边缘模式的直方图构造新方法[J],计算机研究与发展,2001,38(8):972-976.

[9]程杰.一种基于直方图的分割方法[J],华中理工大学报,1999,27(1):20-23.

[10] 张静.一种边缘提取的图像分割方法[J],光学技术,2001,27(5):24-426.

[11]宋焕生,刘春阳,吴成柯,等.多尺度脊边缘及其在图像目标分割中的应用[J],自动

 

化学报,1999,23(6):12-15.

[12]杨波, 徐光. 基于分形特征的自然景物图像分割方法[J], 中国图像图形学报,1999,4(1):7-11.

[13]殷德奎,张保民,柏连发.一种热图像的多模板边缘检测方法[J],南京理工大学学报,1999,23(1):16-20.

[14]王广军, 田金文, 柳建. 基于四叉树结构的图像分割[J], 华中科技大学学报,2000,(2):12-16.

[15]屈彬,王景熙. 一种基于区域生长规划的快速边缘跟踪算法[J],四川大学学报,2002,34(2):10-14.

[16]吴玲艳,沈庭芝,方子文.基于直方图熵和遗传算法的图像分割法[J],兵工学报,1999,20(3):255-258.

[17]齐丽娜, 张博, 王战凯. 最大类间方差法在图像处理中的应用[J], 无线电工程,2006,(7):25-26.

[18]余文姣. 基于改进遗传算法的最大类间方差图像分割方法研究[D], 海南大学,2012.

[19]赵宜鹏, 孟磊, 彭承靖. 遗传算法原理与发展方向综述[J], 黑龙江科技息,2010,(13):79-80.

[20]刘东菊,基于阈值的图像分割算法的研究[D],北京交通大学,2009.

[21]郭建星,刘松林,马淑宇等.一种改进的基于最大类间方差的图像分割方法[J],仪器仪表学报,2005,(S1):665-666.

[22]吴一全,张金矿.平均灰度级-梯度二维直方图最大相关阈值分割[J],小微型计算机系统,2009,30(8):1676-1679.

[23]景晓军,李剑峰,刘郁另.一种基于三维最大类间方差的图像分割算法[J],电子学报,2003,31(9):1281-1284.

[24]卢逢春,张殿伦,郭海涛.基于属性直方图的图像分割方法及其在声呐图像分割中的应用[J],哈尔滨工程大学学报,2002,23(3):1-3.

[25]郭海涛,王连玉,张春田等.利用二维属性直方图的 Otsu 自动阈值分割方法[J],光电子& 激光,2005,16(6):739-742.

[26]刘松涛, 殷福亮. 基于图割的图像分割方法及其新进展[J], 自动化学

 

二、毕业设计（论文）工作实施计划www.eeelw.cOm

（一）毕业设计（论文）的理论分析与软硬件要求及其应达到的水平与结果

（二）毕业设计（论文）工作进度与安排

起讫日期工作内容和要求备注

3 月 23 日-3 月 29 日查阅 25 篇相关文献

3 月 30 日-4 月 5 日查阅资料，制定阈值分割研究的大体方向。

4 月 6 日-4 月 12 日确定阈值分割的具体研究方向

4 月 13 日-4 月 19 日研究三维 Otsu 算法，了解它的不足之处，确定优化方向。

4 月 20 日-5 月 1 日确定在遗传算法的基础上对三维 Otsu算法优化，在确定的方向上编写优化程序。

5 月 2 日-5 月 11 日对程序进行仿真，对不足处进行改进

5 月 12 日-5 月 18 日整理论文，撰写完成论文初稿

5 月 19 日-5 月 24 日修改论文，准备答辩

5 月 25 日-5 月 30 日修改论文，制作ppt，准备答辩