2007级本科学士学位
开题报告
学 院: 信息科学与工程学院 年级 专业:电子信息工程0706班 学生 姓名: 张 琦 学 号: 200704135150 指导老师姓名: 郑庆庆
2011年4月2日
一、简表
设计名称 课题来源 课题类型 开题时间 基于区域合并的纹理图像分割——MSRM算法的MATLAB实现 A.科研课题 ( √ ) B. 自选课题 ( ) A. 理论研究 ( √ ) B. 应用研究 ( ) C. 开发研究 ( ) 2011 年 4 月 2 日 二、设计立论依据
(包括研究意义、研究现状分析、参考文献综述) 研究意义及现状: 对图像分割的研究可分为三个层次:1、图像分割算法,即对图像分割技术的研究;2、对分割结果或分割方法的评价,对图像各种分割性能比较,分析不同分割方法的特点;3、对分割方法的评价和评价准则进行系统研究。图像分割算法的研究已经有几十年的历史,至今基于各种理论已经提出上千种分割算法,现在这方面的研究仍然是研究的重点。由于图像分割目前还没有通用的分割理论,故大多数分割算法都是针对具体问题的;另外一方面,对一个给定的图像分析问题要选择适当的分割算法还没有标准的分割方法,故对分割方法的评价近来也受到重视,也是今后发展的一个趋势。 纹理有三个主要标志:1、某种局部的序列性在比该系列更大的区域内不断重复;2、序列有基本部分非随机排列组成的;3、各部分大致的均匀统一体,在纹理区域内的任何地方都有大致相同的结构尺寸,即纹理基元。纹理图像的这些特性决定了基于统计理论是描述纹理图像较好的方法。 高效和有效的图像分割是计算机视觉和识别物体的重要任务。 由于通常对自然的图像进行全自动图像分割是十分困难的,而包含有几个简单的用户输入的互动方案是比较好的解决办法。 提出基于区域合并机制的一种新型的极大相似性规则,在标记的帮助下指导合并过程 。如果R的一个邻域Q在所有邻域中与R有最高的相似性,那么区域R与邻域Q合并 。该方法自动合并由均值漂移分割得到的初始分割区域,然后通过给所有未标记区域贴标签作为背景或目标来有效地提取物体轮廓 。该区域合并过程是自适应图像的内容,且不需要预先设定阈值。 广泛进行实验分析后结果表明,该方法能够可靠地从复杂背景中提取的物体轮廓。 参考文献: [1]D. Gabor. Theory of communication. Journal of theInstitute of Electrical Engineers, 93:429–549, 1946 [2]Daugman, J.G. etal, Complete Discrete 2-D GaboTransforms by Neural Networks for Image Analysisand Compression. IEEE Trans. Acoustic, speech andsignal processing, Vol.36. (1988) 1169-1179 [3]Lee, T.S. etal, Image Representation Using 2D GaborWavelets. IEEE Trans. Pattern Analysis and MachineIntelligence, Vol. 18. (1996) 959-971 [4]Gabor,D.Theory of Communication.IEEE,1991;93(3):429~457 [5]C.W.G.Clifford, J.N.Freedman, L.Mvaina. First- and second-order motion perception in Gabor micropattern stimuli: psychophysics and computational modelling. Cognitive Brain Research, 1998, 6(4) : 263~271 [6]J. Wang, B. Thiesson,,Y. Xu, M.F. Cohen, Image and video segmentation by anisotropic Kernel mean shift, in: Proceedings of the European Conference on Computer Vision, Prague, Czech Republic, vol. 3022, 2004, pp. 238–249. [7]P.Felzenszwalb,D.Huttenlocher,Efficient graph based image segmentation,International Journal of Computer Vision 59 (2) (2004) 167–181. [8]X. Ren, J. Malik,Learning a classification model for segmentation, ICCV03, vol1, pp. 10–17, Nice, 2003. [9]S. Birchfield, Elliptical head tracking using intensity gradients and color histograms, in: Proceedings of IEEE Conference on Computer Vision and Pattern Recognition, 1998, pp. 232–237. [10]Y. Cheng, Mean shift, mode seeking, and clustering, IEEE Transactions on Pattern Analysis and Machine Intelligence 17 (8) (1995) 790–799. [11]孟祥增.刘明霞基于概念的自然纹理分类[期刊论文]-计算机工程与应用 2006(11) [12]刘浩一.刘明霞.孟祥增自然纹理分类与识别方法初探[期刊论文]-软件学报2006(08) [13]谢钧,俞璐,吴乐南, 一种改进的Split-Merge图像分割算法. 计算机应用, 2008, 28(7): 1744 - 1746. [14]杨鸿波,蔡国雷,邹谋炎,基于震动特征的纹理图像分割 [15]刘宁宁,田捷,基于区域特征的交互式图像分割方法及其应用[期刊论文]-微电子学与计算机 1999(03) [16]宁纪锋,图像分割和目标跟踪中的若干问题研究[学位论文]-西安电子科技大学,2009 [17]薛丽霞.王佐成.汪林林.李永树.基于云模糊理论的图像纹理分割[期刊论文]-西安交通大学学报 2007(05) [18]刘嘉.王宏琦.一种基于图割的交互式图像分割方法[期刊论文]-电子与信息学报 2008(08) [19]周俊.晏非.孙曼.基于区域分割合并的建筑物半自动提取方法[期刊论文]-海洋测绘 2005(01) [20]杨海峰. 基于改进分水岭及区域合并的图像分割方法. 微计算机应用,2007, 28(11):1132-1137.
武汉科技大学本科毕业论文 开题报告
![](/skin/haowen/images/icon_star.png)
![](/skin/haowen/images/icon_star.png)
![](/skin/haowen/images/icon_star.png)
![](/skin/haowen/images/icon_star.png)