【正文】 54．[9] K M Kim，C S Lee，Y H Ha．Color image quantization using weighted distortion measure of HVS color activity[C]．IEEE International Comference on Pattern Recognition．1996：10351039．[10] 林開顏，吳軍輝，徐立鴻．彩色圖像分割方法綜述[J]．中國圖象圖形學(xué)報，2005，1(10)：110．[11] 付煒，黃志高，張瑞芳．基于閾值化分割與小波變換的彩色數(shù)字水印算法[J]．電子測量技術(shù)，2006，6(29)：129131．[12] 金軍．基于子塊的區(qū)域生長的彩色圖像分割算法[J]．計算機工程與應(yīng)用，2008，44(1)：8283．[13] 柳萍，陽愛民．一種基于區(qū)域的彩色圖像分割方法[J]．計算機工程與應(yīng)用，2007，43(6)：3739，64．[14] 龔巍，林茂松．一種改進(jìn)的邊緣生長彩色圖像分割方法[J]．微電子學(xué)與計算機，2007，24(6)：194197．[15] Geman,D. amp。 . Stochastic relaxation,Gibbs distribution and Bayesian restoration of images[J]．IEEE Transactions on pattern Analysis and Machine Intelligence，1984(6) ：721741．[16] 劉平，陳斌，阮波．基于邊緣信息的圖像閾值化分割方法[J]．計算機應(yīng)用，2004，9(24)：2837．[17] 陳勝，楊新，姚麗萍，孫錕．多網(wǎng)格法解總變分問題及在醫(yī)學(xué)圖像增強中的應(yīng)用[J]．中國圖象圖形學(xué)報，2004，7(9)：787792．[18] 劉梅華，汪東，柳惠秋．一種改進(jìn)的輪廓跟蹤算法[J]．機械設(shè)計與制造，2008，5：4547．[19] 田岳鑫．Hough變換在小目標(biāo)檢測中的應(yīng)用[J]．激光與紅外，2008，11（38）：11411143．謝　辭本文是在我的導(dǎo)師陳志剛講師的悉心指導(dǎo)下完成的。從論文的選題、研究思路的確定、論文的撰寫直到論文修改的整個過程中，陳老師傾注了大量的心血和精力。在幾年的學(xué)習(xí)生活中，感謝陳老師給予我的關(guān)心、指導(dǎo)和培養(yǎng)。這三年來，陳老師嚴(yán)謹(jǐn)求實的治學(xué)態(tài)度、誨人不倦的師德和一絲不茍的工作作風(fēng)使我受益匪淺；他樸實的生活作風(fēng)、淵博的學(xué)識以及對科學(xué)研究事業(yè)執(zhí)著追求的精神給我留下了深刻的印象，并使我終生受益，也是我未來學(xué)習(xí)的榜樣！在這里還要感謝物電學(xué)院的所有領(lǐng)導(dǎo)和老師三年來對我的培養(yǎng)和關(guān)懷，是他們?yōu)槲姨峁┝肆己玫膶W(xué)習(xí)環(huán)境和機會。感謝我的父母和家人，沒有你們的鼓勵和支持我將一事無成。最后，感謝各位專家和評委的耐心審閱，他們提出了很多寶貴意見和建議。附 件程序清單：主程序：function tu=keyprogram( ) rgb=imread(39。39。)。figure。imshow(rgb)。rgb=im2double(rgb)。 r=rgb(:,:,1)。 g=rgb(:,:,2)。 b=rgb(:,:,3)。 num=*((rg)+(rb))。 den=sqrt((rg).^2+(rb).*(gb))。 theta=acos(num./(den+eps))。 H=theta。 H(bg)=2*piH(bg)。 H=H/(2*pi)。 num=min(min(r,g),b)。 den=r+g+b。 den(den==0)=eps。 S=13.*num./den。 H(S==0)=0。 I=(r+g+b)/3。 S=im2uint8(S)。H=im2uint8(H)。I=im2uint8(I)。S=double(S)。H=double(H)。I=double(I)。[m,n]=size(S)。figure。imshow(uint8(S))。figure。imshow(uint8(H))。figure。imshow(uint8(I))。S1=S。h1=H。i1=I。for i=1:m for j=1:n if (S(i,j)=100) S1(i,j)=255。 else S1(i,j)=0。 end endendfigure。imshow(uint8(S1))。for i=1:m for j=1:n if (S1(i,j)==0) H(i,j)=0。 end endendH1=meanshift(H)。figure。imshow(uint8(H1))。for i=1:m for j=1:n if (S1(i,j)==255) I(i,j)=0。 end endendI1=meanshift(I)。figure。imshow(uint8(I1))。for i=1:m for j=1:n if (S1(i,j)==0) H1(i,j)=h1(i,j)。 end endendfor i=1:m for j=1:n if (S1(i,j)==255) I1(i,j)=i1(i,j)。 end endendhsi=cat(3,H1,S1,I1)。figure。imshow(uint8(hsi))。end子程序：function p=meanshift(im)[r,c]=size(im)。f=im。new_f_x=zeros(r,c)。new_f_y=new_f_x。new_f_gray=f。hs=7。hr=35。c1=hs:hs。c1=repmat(c1,2*hs+1,1)。r1=c139。es=(r1.^2+c1.^2)/hs^2。index=find(es1)。es=exp(es)。es(index)=0。for i=hs+1:rhs for j=hs+1:chs k=i。l=j。count=0。flag=1。 while(flag~=0) count=count+1。 rr1=r1+k。 cc1=c1+l。 er=((f(i,j)f(khs:k+hs,lhs:l+hs)).^2)/hr^2。index=find(er1)。 er=exp(er)。er(index)=0。 new_k=sum(sum(rr1.*es.*er))/sum(sum(es.*er))。 new_l=sum(sum(cc1.*es.*er))/sum(sum(es.*er))。 shift=sqrt((knew_k)^2+(lnew_l)^2)。 k=round(new_k)。 l=round(new_l)。 if shift1 flag=0。 end if (new_khs+1 || new_krhs || new_lhs+1 || new_lchs) k=i。l=j。 break。 end end er=((f(i,j)f(khs:k+hs,lhs:l+hs)).^2)/hr^2。er=double(er=1)。 tem=er.*f(khs:k+hs,lhs:l+hs)。tem=tem(find(tem0))。tem=median(tem)。 new_f_gray(i,j)=tem。 new_f_x(i,j)=k。new_f_y(i,j)=l。 endendp=new_f_gr