|
|
毕 业 设 计（论 文）任 务 书
_____________________________________________________________
一、学生姓名： 学号：
二、题目:图像分割算法分析及MATLAB编程实现
三、题目来源：真实 
、 自拟 
四、结业方式：设计 
、 论文 
五、主要内容：
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，并在医学、工业、军事等领域得到了广泛应用。近年来具有代表性的图像分割方法有：基于区域的分割、基于边缘的分割和基于特定理论的分割方法等。主要对基于自动阈值选择思想的迭代法、Otsu法、一维最大熵法、二维最大熵法、简单统计法进行研究，选取一系列运算出的阈值数据和对应的图像效果做一个分析性实验。
六、主要（技术）要求：
6.1迭代法
迭代法的基本思想是：开始时选择一个阈值作为初始估计值，然后按照某种策略通过迭代不断地改变这一估值，直到满足给定的准则为止，其具体步骤如下。
1) 在一幅灰度范围为
的图像中，选择图像灰度的中值作为初始阈值
，其中图像中对应灰度级
的像素数为
。
2) 利用阈值
把图像分割成两个区域：
和
，用下式计算区域
和
的平均灰度值
和
。
（1）
计算出
和
后，用下式计算出新的阈值
。
（2）
3) 重复步骤（2）~（3），直到
和
的差小于某个给定值为止。
6.2 Otsu法
Otsu法是一种使类间方差最大的阈值确定方法，所以也称为最大类间方差法。该方法具有简单、处理速度快等特点，是一种常用的阈值选取方法。其基本思想是：把图像中的像素按灰度值
分成两类
和
，
由灰度值在
之间的像素组成，
由灰度值在
之间的像素组成，按下式计算两类之间的类间方差：
（3）
式中，
为
中包含的像素数，
为
中包含的像素数，
为
中所有像素的平均灰度值，
为
中所有像素的平均灰度值。让
在
范围依次取值，使
最大的
值即为Otsu法的最佳阈值。
6.3 一维最大熵法
熵是平均信息的表征。把信息熵的概念应用于图像阈值分割的基本思想是：利用图像的灰度分布密度函数定义图像的信息熵，根据假设的不同或视角的不同提出不同的熵准则，最后通过优化该准则得到阈值。其中一维最大熵求阈值的方法如下。
在一幅灰度范围为
的图像中，熵函数定义为：
（4）
式中：
，
，
为灰度级
出现的概率。
当熵函数取得最大值时，对应的灰度值
就是所求的最佳阈值。
6.4 二维最大熵法
由于灰度一维最大熵是基于图像原始直方图的，它仅仅利用了点灰度信息而未充分利用图像的空间信息，而二维最大熵综合利用了点灰度特征和区域灰度特征，从而较好地表征了图像的信息。它的基本方法是：以原始灰度图像（
个灰度级）中各像素及其4邻域的4个像素为一个区域，计算出区域灰度均值图像，这样原始图像中的每一个像素都对应于一个点灰度-区域灰度均值对。设
为图像中点灰度为
及其区域灰度均值
的像素点数，
为点灰度-区域灰度均值对
发生的概率，则：
（5）
其中
为图像的大小。
则二维最大熵的判别函数为：
（6） 使
为最大的阈值
和
即为所求阈值。其中：
对于一具体图像，每个算法都将会分别运算出其对应的阈值，通过程序将其记录并返回用户界面。实验将选取几张具有不同特征的典型图像作为实验样本。分别记录每种算法对每张图像运算出的阈值并且保存处理出的图像效果。得出每张图像用哪种算法的处理效果最佳，哪种最不理想，并且根据算法的原理以及得到的阈值数据对实验现象进行分析。根据实验的分析结果，可以试图讨论是否能有一种更加科学，适应性更强的自动阈值选择法。
七、日程安排：
第1-2周，确定毕业设计项目内容，了解项目研究的背景，完成文献综述和开题报告；
第3-4周，收集国内外相关方向的研究进展、成果与已有方案，熟悉图像分割算法的方法；
第5-9周，根据不同算法仿真实验，进行对比；
第10-12周，完成英文文献翻译工作，提交中期检查表并准备中期答辩；
第13-15周，按照毕业论文撰写规范撰写毕业论文，准备答辩。
八、主要参考文献和书目：
[1] 魏志成，周激流．一种新的图像分割自适应算法的研究 [J]．中国图像图形学报，2015，5 (3)：216-220
[2] 乐宋进，武和雷，胡泳芳．图像分割方法的研究现状与展望 [J]．南昌水专学报，2016，23 (2)：15-20
[3] 王爱民，沈兰荪．图像分割方法的研究现综述 [J]．测控技术，2017，19(5)：1-5，16
[4] 张立科．数字图像处理典型算法及实现[M]．北京：人民邮电出版社，2016．477-478
[5] 史飞.基于PCNN的图像处理技术研究[D]．兰州：兰州大学信息科学与工程学院，2003
[6] 杜干，孙肖子．医学图像分割的神经网络方法[J]．西安电子科技大学学报，2017，1(5):21-27
[7] 张立明．利用图像先验知识与snake结合对心脏序列图像的分割 [J]．复旦学报（自然科学版），2016，1(1)：4-6
[8] JOHN M.GAUCH．Image segmentation and analysis via multiscale gradient watershed hierarchies[J]．IEEE transactions on Image Processing，2018，8(1)：69-79
[9] ZI-KUAN CHEN,TAO YANG,XIN CHEN．et al.Wavele based adaptive thresholding method for image segmentation[J]．Optical Engineering，2017，40(5)：868-874
[10] Y J ZHANG.A．survey on evaluation methods for image segmentation[J]．Pattern Recognition，2016，29(8)：1335-1346
指导教师签字： 年 月 日
学 生 签 字： 年 月 日
系（所）负责人章： 年 月 日
