【正文】 特別真摯的感謝我的父母，他們的養(yǎng)育和教導(dǎo)之恩是我立身行事的根本。參考文獻[1] Gonzalez R C，Richard E W．Digital image processing．2nd ed．Beijing：Publishing House of Electronics Industry，2003，460521 ．[2] 章毓晉．圖象分割．北京科學(xué)出版社，2001．[3] 邊肇祺，張學(xué)工等．模式識別(第二版)．北京：清華大學(xué)出版社，2000．[4] K．Karu，A．K．Jain，R．M．Bolle．Is there any texture in the images．PatternRecognition，1996，29(9)：1437—1446[5] Fabien S，Wojciech P．Parameter estimation in hidden fuzzy Markov random fields and image segmentation． Graphical Models and Image Processing， 1997，59(4)：205220 [6] Zhang Y Y，Stephen S，Michael B．Segmentation of brain MR images using Markov random field．In：Proceedings of Medical Image Understanding and Analysis，1999，6568 [7] 葉俊勇，汪同慶，彭健等．基于小波分形的圖像分割算法．計算機科學(xué)，2002，29(12)：157159，149 [8] Sang H P，Dong Y，Sang U L．Color image segmentation based on 3D clustering: morphological approach．Pattern Recognition，1998，31(8)：10611076 [9] Philippe S ． Segmentation of digitized dermatoscopic images by twodimensional color clustering．IEEE Transaction On Medical Imaging，1999，18(2)：164171[10] Enno L，Helge R．Adaptive color segmentationa parison of neural and statistical methods．IEEE Transaction On Neural Networks，1997，8(1)：175185 [11] Kurugollu F，Sankur B，Harmanci A E．Color image segmentation using histogram multithresholding and fusion．Image and Vision Computing，2001，19(13)：915928 [12] Wong F ， Nagarajan R ， Yaacob S ． Fuzzy image segmentation via thresholding．Journal of the Institution of Engineer (india) Electronics and Telemunication Engineering Division，2006，86：6872 [13] Mao K Z， Peng Z， Tan P H． Supervised learningbased cell image segmentation for immunohistochemistry．IEEE Transactions on Biomedical Engineering，2006， 53(6)：11531163 [14] Blinn J F．What is a pixel．IEEE Computer Graphics amp。但在現(xiàn)有的圖像與視頻分割系統(tǒng)中，往往不能滿足這樣的需求。圖像運行時間(s) 結(jié)論提出了一種基于區(qū)域合并的交互式圖像分割算法MSRM，它用Mean Shift算法對圖像作初步分割，分割結(jié)果的區(qū)域作為算法處理的基本單位。當然，近年來，隨著有關(guān)Mean Shift圖像分割算法的研究仍不斷，將會降低提出算法對Mean Shift分割的依賴性。因此，用戶輸入的標記一定程度上會影響分割結(jié)果。標記模塊的功能是：根據(jù)用戶鼠標動作所完成的輸入，在初始分割后的圖像上做好相關(guān)的標記。然后詳細描述基于最大相似度的區(qū)域合并算法，MSRM分為兩個迭代地執(zhí)行的階段，直到?jīng)]有新的區(qū)域合并發(fā)生。如果P和另一個未標記區(qū)域P’( P’∈N)有最大相似度，那么P與P’將在第二階段合并．即P= P’ P。否則返回到（21）。自適應(yīng)地合并未標記區(qū)域。 （11）對于每個區(qū)域，構(gòu)成其鄰域集合。接著，重復(fù)地執(zhí)行第一階段和第二階段，直到?jīng)]有新的合并發(fā)生。為了完成目標提取，第二階段將以第一階段剩下的未標記區(qū)域N為處理對象，其中包含部分目標特征，同時也包含部分背景特征。如果和，滿足下式：那么和，合并成一個區(qū)域，新的區(qū)域?qū)⒑虰有相同的標記，即：否則，和將不臺并。所以通常情況下，非標記的目標區(qū)域不會與背景區(qū)域相合并。如果和的相似性為中最大的，我們就將和合并。此外，也很難判斷何時該停止區(qū)域合并進程。 （c）區(qū)域分割的結(jié)果。含有目標標記像素的區(qū)域因此被稱為目標標記區(qū)域，而含有背景標記像素的區(qū)域被稱為背景標記區(qū)域。其中(a)為原始圖像，(b)為EDISON System分割后得到的包含很多小區(qū)域的結(jié)果。如經(jīng)典的ACM方法，實際上也是一種半自動圖像分割算法，適當?shù)剡x擇初始曲線，是得到好的分割結(jié)果的必要條件；基于標記驅(qū)動的Watershed圖像分割方法[22]，它結(jié)合用戶的輸入信息，提高分割結(jié)果；在Graph Cut方法中，用戶的交互式信息也是影響算法的分割結(jié)果至關(guān)重要的因素。而且，MSRM算法的另一個重要特性就是易于并行實現(xiàn)，這一特點也是非常復(fù)合現(xiàn)今對圖像分割技術(shù)的實時性、高效性要求的。利用膨脹、腐蝕、開啟和閉合四個基本運算進行推導(dǎo)和組合，可以產(chǎn)生各種形態(tài)學(xué)實用算法，其中結(jié)構(gòu)元素的選取很重要。在基于特征空間聚類的算法中，K均值聚類[17]、模糊C均值聚類(FCM)等算法是最常用的聚類算法。該方法的重點是指定分裂、合并的準則，并考慮處理的精度。生長準則的選取不僅依賴于具體問題本身，也和所用圖像數(shù)據(jù)的種類有關(guān)。如果可生長，則把該像素加入到區(qū)域中，并置其為新的種子像素，進行迭代。這就是基于間斷檢測的圖像分割技術(shù)的前提假設(shè)， 基于這種不連續(xù)性的假設(shè)所考察對象的不同，可將該類分割技術(shù)分為三個主要類型：基于點的檢測、基于線的檢測、基于邊緣的檢測。此外，還有一些比較特殊的圖像分割方法，比如混合幾種基本分割方法的復(fù)合圖像分割方案，引入待分割圖像先驗知識的智能圖像分割方案，用于視頻特征提取的時域圖像分割方案等等。從集合論的角度出發(fā)，文獻[1]給出了一種較通用的圖像分割描述性定義。 第三章首先描述了基于最大相似度的區(qū)域合并算法—MSRM算法的背景和由來，接著進一步詳細闡述該算法，并指明MSRM算法以Mean Shift算法的分割結(jié)果作為基礎(chǔ)；驗證了圖像分割算法的收斂性。紋理分析在材料科學(xué)的微結(jié)構(gòu)定量分析、海洋學(xué)研究及石油勘探中都有廣泛的應(yīng)用，因此基于紋理的圖像分割具有重要的理論意義和廣闊的應(yīng)用前景。而科學(xué)研究表明，人類獲取的信息中有 75％左右來自于自身的視覺，即大部分信息為圖像圖形信息。 Algorithm。MSRM是基于最大相似度的區(qū)域合并算法,該算法簡單有效,不需要設(shè)定區(qū)域合并的閾值,且對單目標和多目標圖像都能正確分割。本科畢業(yè)設(shè)計題目：基于區(qū)域合并的紋理圖像分割—MSRM算法的MATLAB實現(xiàn)學(xué) 院:信息科學(xué)與工程學(xué)院專 業(yè):電子信息工程學(xué) 號:200704135150學(xué)生姓名:張琦指導(dǎo)教師:鄭慶慶日 期:2011/5/30摘 要圖像分割是圖像分析及計算機視覺系統(tǒng)中的重要環(huán)節(jié)，是圖像處理研究中的一個基本難題。本設(shè)計在提取了圖像的顏色特征和紋理特征之后，計算相鄰區(qū)域的相似度，在人工交互信息的指導(dǎo)下，基于最大相似度準則逐步對初始過分割區(qū)域進行合并，分離出圖像中的目標和背景。 Texture image目 錄1 緒論 1 研究的背景和意義 1 內(nèi)容與組織結(jié)構(gòu) 12 圖像分割技術(shù)研究綜述 3 引言 3 圖像分割的概念和分類 3 基于閾值的圖像分割 4 基于間斷檢測的圖像分割 4 基于區(qū)域的分割 4 基于區(qū)域生長的分割 5 基于分裂合并的分割 6 基于聚類的分割 7