【正文】 最古老、最簡單而且應(yīng)用最廣的基于像素的技術(shù)就是直方圖門限法。在以下各小節(jié)將分別介紹。 雖然彩色圖像分割已經(jīng)有了很長的研究歷史，針對各種具體要求建立了許多算法，然而至今尚無統(tǒng)一的理論。 彩色空間是描述色彩的一種方法，我們用它來制定、產(chǎn)生、可視化一種色彩。當(dāng)灰度圖像有變化灰度的背景或本身有較大灰度范圍的區(qū)域時．進(jìn)行視覺圖像的分割會非常困難。 第 2章圖像分割技術(shù)研究 2． 1 圖像分割技術(shù)概述 圖像分割作為一種重要的圖像處理技術(shù)，從 70年代起，就有很多研究人員為此付出巨大的努力。 第 2章：詳細(xì)介紹了彩色圖像的各種分割方法的原理和優(yōu)缺點。本文提出的這些方法在一定程度上加快了網(wǎng)絡(luò)的收斂 速度，同時對 BP神經(jīng)網(wǎng)絡(luò)的自適應(yīng)性也有一定程度的提高。然而，由于 BP神經(jīng)網(wǎng)絡(luò)是基于梯度下降的誤差反向傳播算法進(jìn)行學(xué)習(xí)的，所以 BP神經(jīng)網(wǎng)絡(luò)也存在一些缺陷，例如其網(wǎng)絡(luò)的訓(xùn)練速度通常很慢。 因此，人工神經(jīng)網(wǎng)絡(luò)被應(yīng)用到眾多的研究和應(yīng)用領(lǐng)域之中。其中 Gabor濾波器是該類方法的典型代表。本文采用了 1分量的紋理信息、 H和 s分量的特征函數(shù)作為分類的特征。 HIS有兩個特點：其一， 1分量與圖像的彩色信息無關(guān)：其二，H和 S分量與人的感受顏色的方式是緊密相連的。這種分類是不嚴(yán)格的，為了達(dá)到～定的分割精度，或者為了降低運算量，往往把幾種方法結(jié)合起來對圖像進(jìn)行分割。但是關(guān)于彩色圖像分割的文獻(xiàn)資料還較少，目前研究主要集中在兩個方面：一是討論一些彩色表示法的性質(zhì)，分割方法和色彩空間；二是運用基于邊緣和基于區(qū)域的分割技巧進(jìn)行彩色圖像的復(fù)雜紋理分割。通常所說的圖像分割是將一幅圖像分成不同的區(qū)域，同一區(qū)域有同類性，而任意兩相鄰區(qū)域不具有此同類性。本文的研究內(nèi)容是基于第一種方法一基于圖像分割的方法。 1． 2偽彩色處理的基本原理 圖像的偽彩色 處理作為一種重要的圖像處理技術(shù)，從 80年代起，就有很多研究人員為此付出巨大的努力。其中國產(chǎn) NST． 1密度分割偽彩色儀，能分出 12級灰度以 12種彩色顯 示，并可計算出某一彩色面積占全圖比例等。但是我們知道人眼對色彩的分辨率較高，達(dá)幾百種甚至上千種。這是一 種視覺效果明顯，而又不太復(fù)雜的圖像增強技術(shù)，在國內(nèi)也是發(fā)展較快的一種圖 像處理技術(shù)。其中偽彩色處理技 術(shù)就是一項重要的圖像處理技術(shù)。 作者簽名： 日 期： 第 1章引言 1． 1偽彩色處理技術(shù)的意義 進(jìn)入 21世紀(jì)以來，隨著微電子技術(shù)、計算機(jī)技術(shù)、現(xiàn)代通信技術(shù)的飛速發(fā) 展，人類社會正健步邁入信息化時代。 關(guān)鍵詞：圖像分割，神經(jīng)網(wǎng)絡(luò)， Gabor小波濾波器，偽彩色處理 ABSTRACT Pseudocolor processing of the color image， which has a wide range of potentialapplications， is all active research area of the processing of color image． There aremany methods for Pseudo— color processing of the color image， in which the methodbased on image segmentation is in mon use． The important technology of thismethod is how to segment image efficiently,therefore， this thesis lays a strongemphasis on how to improving the quality ofthe image segmentation． In this thesis， an approach thm connects Gabor filtering、Ⅳ im works isroposed and is used in color image segmentation． Gabor filteing is used in extractingthe features of color images， and a neural work is used for the classification ofthe color image features． First， the effective features are extracted by Gabor filtering． Inspired by themulti— channel operation ofthe Human Visual System for interpreting texture， researchhas been focused on a multi— channel approach based on Gabor filtering to thesegmentation of color image． Gabor filters have the ability to perform multi— resolutiondue to its localization botll in spatial and spatial行 equency domain． Normally theeffective width of a filter in the spatial domain and its bandwidth in thespatial— frequency domain arc inversely relmed according the 2D uncertainty principle， therefore， we get the filtered images tb_rough a set of Gabor filters arranged as a set ofwavelet bases． We have had puter simulating experiments which prove that themultichannel approaches to image segmentation achieves a good result and makepreparations for the follow up． Then， traditional BP neural work and improved BP neural work are used toimage segmentation respectively． As a new methodology system，neural work hasvery srong selfadaptability． Therefore， it has been used widely in many fields， especially in paRem recognition． Traditional BP neural work iS a multi— layer feedforward work that iS based on error backpropagation algorithm and has the widest application． Although traditional BP neural work is successful， it has some disadvantages． For example， its learning convergent velocity is slowly， possibility of converging to a local minimum is high and so on． Therefore,an improved BP neural work is proposed in this thesis and is used in image it is also pared with traditional BP neural work in the aspect of image segmentation． Experimentalresults showthat the improved BP neural work overes some disadvantages ofthe traditionalBP neural work effectively． Experimental result show that the proposed approach bining Oabor filteringand neural work performs better in segmentation of color image． The proposed method has stronger selfadaptability and greater segmentation speed． Keywords： image segmentation， neural work， Gabor filter,Pseudocolor processing 畢業(yè)設(shè)計（論文）原創(chuàng)性聲明和使用授權(quán)說明 原創(chuàng)性聲明 本人鄭重承諾：所呈交的畢業(yè)設(shè)計（論文），是我個人在指導(dǎo)教師 的指導(dǎo)下進(jìn)行的研究工作及取得的成果。為此，本文對傳統(tǒng)的 BP神經(jīng)網(wǎng)絡(luò)作了改進(jìn)，并應(yīng)用于圖像分割，與用傳統(tǒng)的BP神經(jīng)網(wǎng)絡(luò)進(jìn)行了圖像分割的結(jié)果比較。 然后，分別采用傳統(tǒng) BP神經(jīng)網(wǎng)絡(luò)和改進(jìn)后的 BP神經(jīng)網(wǎng)絡(luò)作為分類器對圖像進(jìn)行分 割。人類視覺系統(tǒng)具有多通道和多分辨率的特征。此方法的關(guān)鍵技術(shù)是對圖像進(jìn)行有效的分割， 因此本文把研究重點放在了對圖像進(jìn)行有效的分割上面。對彩色圖像進(jìn)行偽彩色處理有很多種方法，其中比 較常用的是基于圖像分割的方法。 首先，采用 Gabor濾波器方法提 取圖像的紋理特征。通過實驗證明，相對于其它的圖像分割方法，基于 Gabor濾波器的方法能夠取得比較好的分割效果。但同時傳統(tǒng)的 BP神經(jīng)網(wǎng)絡(luò)也存在著一些缺陷，例如由于采用梯度算法， BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練速度很慢，而且容易陷入局部極小點等。與傳統(tǒng)的分割方法相比較，此方法具有較強 的自適應(yīng)性和較快的分割速度。 作 者 簽 名： 日 期： 指導(dǎo)教師簽名： 日 期： 使用授權(quán)說明 本人完全了解 大學(xué)關(guān)于收集、保存、使用畢 業(yè)設(shè)計（論文）的規(guī)定，即：按照學(xué)校要求提交畢業(yè)設(shè)計（論文）的印刷本和電子版本；學(xué)校有權(quán)保存畢業(yè)設(shè)計（論文）的印刷本和電子版，并提供目錄檢索與閱覽服務(wù)；學(xué)?？梢圆捎糜坝　⒖s印、數(shù)字化或其它復(fù)制 手段保存論文；在不以贏利為目的前提下，學(xué)?？梢怨颊撐牡牟糠只蛉績?nèi)容。而目前彩色 圖像占很大的比例，所以，對彩色圖像的處理顯得尤為重要。彩色圖像中的彩色是 根據(jù)黑白圖像的灰度級或其他圖像特征 (如空間頻率成分 )人為給定的?？墒侨搜鄯直婊叶燃壞芰^差，一般只有幾十級，無法從圖像中提 取這些信息。 可以用計算機(jī)去做，也可以用專用硬件設(shè)備來實現(xiàn)，如美國 DIGlCOL 電子觀察儀 6010，日本 PHOSDAC． 700， 1000， 1200，國產(chǎn) NST． 1密度分割偽 彩色儀。偽彩色圖像可以是連續(xù)彩色 (如彩色電視圖像 )．也可以由幾種彩色單獨 構(gòu)成。實際上，大多數(shù)新的處理方法都是以這三類方法為基礎(chǔ)演變而來的。 1． 3彩色圖像分割的發(fā)展及現(xiàn)狀 圖像分割 11． 2J是圖像分析和模式識別的第一步，而且是圖像分析和模式識別基本而又重要的一個組成部分，是圖像處理中難度最大的部分之一，它決定了圖像最終分析結(jié)果的質(zhì)量。 通過運用 RGB各分量及其變換 (線性、非線性 )，能將對灰度圖像分割的技術(shù)應(yīng)用到彩色圖像領(lǐng)域。它們是針對不同的應(yīng)用領(lǐng)域、處理對象和分割精度要求發(fā)展起來的。對于彩色圖像，在 HIS顏色空間， I表示密度(Intensity)， 而 H表示色調(diào) (Hue)， S表示飽和度 (Saturation)，其中 H和 S是圖像顏色的相關(guān)信息。最后利用這兩方面特征進(jìn)行圖像分割。如Gabor濾波器、 Wigner分布等，利用這些方法可以有效地對圖像進(jìn)行特征提取和分割處理。人工神經(jīng)網(wǎng)絡(luò)是一種非線性動力學(xué)系統(tǒng)，它具有良好的自學(xué)習(xí)、自組織和自適應(yīng)能力。 BP神經(jīng)網(wǎng)絡(luò)是一種多層的前饋型神經(jīng)網(wǎng)絡(luò)，它可以實現(xiàn)任意線性或非線性函數(shù)映射，具有較強的自適應(yīng)性。另外，本文還對神經(jīng)元激活函數(shù)的改 進(jìn)作了一些探索性的工作。主要介紹了課題的研究意義和內(nèi)容，以及彩色 圖像分割的現(xiàn)狀和本文的主要工作。在此基礎(chǔ)上介紹了本文改進(jìn)后的 BP神經(jīng)網(wǎng)絡(luò)，并用改進(jìn)的 BP神經(jīng)網(wǎng)絡(luò) 作為分類器對圖像進(jìn)行了分割實驗，對試驗結(jié)果進(jìn)行了深入分析，將其與傳統(tǒng) BP神經(jīng)網(wǎng)絡(luò)的分割結(jié)果進(jìn)行了對比，給出了本文研究的 結(jié)論。實際中，人們往往考慮對單色圖像的分割，即從單色圖像中提取出感興趣的目標(biāo)。 彩色圖像分割與灰度圖像分割的算法相比，大部分算法在分割思想上是一致