【正文】 [15] Yen, ShwuHuey ， Tai, AnChi， Wang, on color images based on watershed Modelling Conference, 2022. 專 業(yè) 班 級(jí) 學(xué)生 要求設(shè)計(jì) (論文 )工作起止日期 2022 年 2 月 25 日 — 2022 年 6 月 16 日 指導(dǎo)教師簽字 日期 教 研 室 主 任 審 查 簽 字 日期 系 主 任 批 準(zhǔn) 簽 字 日期 第 4 頁(yè)太原理工大學(xué)畢業(yè)設(shè)計(jì) 圖像分割的方法及應(yīng)用 I 圖像分割的方法及應(yīng)用 摘 要 圖像分割是從上世紀(jì) 60 年代開始被人們所研究的， 它是由圖像 處理到圖像分析的關(guān)鍵步驟 ，多年來一直被廣泛關(guān)注。研究時(shí)使用 matlab 軟件進(jìn)行，最終獲得分水嶺算法、區(qū)域生長(zhǎng)法和區(qū)域分裂合并法的源程序，并貼圖對(duì)比處理前后圖像差距。 圖像分割技術(shù)的研究室非常具有學(xué)術(shù)價(jià)值和實(shí)用意義的，其深入研究不僅會(huì)不斷完善對(duì)自身 問題的解決，而且必將推動(dòng)模式識(shí)別、計(jì)算機(jī)視覺、人工智能等計(jì)算機(jī)科學(xué)分支的發(fā)展。圖像分割在圖像工程中的位置它起著承上啟下的作用，可以認(rèn)為是介于低層次處理和高層次處理的中間層間。然而，還沒有制定出選擇合適分割算法的標(biāo)準(zhǔn)，這給圖像分割技術(shù)的應(yīng)用帶來許多實(shí)際問題。 原始資料 論文資料與部分書籍 可 從校圖書館和中國(guó) 期刊網(wǎng)上下載獲得，也可從互聯(lián)網(wǎng)站找一些資料參考。 太原理工大學(xué) 畢業(yè)設(shè)計(jì)（論文） 設(shè)計(jì)說明書 設(shè)計(jì) (論文 )題目： 圖像分割的方法及應(yīng)用 學(xué) 生： 專 業(yè)： 班 級(jí)： 指導(dǎo)教師： 設(shè)計(jì)日期： 2022 年 06 月 16 日 太原理工大學(xué) 畢業(yè)設(shè)計(jì)（論文）任務(wù) 書 畢業(yè)設(shè)計(jì)（論文）題目： 圖像分割的方法及應(yīng)用 畢業(yè)設(shè)計(jì)（論文）要求及原始數(shù)據(jù)（資料）： 畢業(yè)設(shè)計(jì)要求 圍繞《圖像分割的方法及應(yīng)用》這個(gè)課題，對(duì)圖像分割的發(fā)展歷史以及目前的研究現(xiàn)狀作詳細(xì)的了解，認(rèn)識(shí)圖像分割的學(xué)術(shù)價(jià)值以及研究意義；詳細(xì)理解圖像分割的方法，在論文中 對(duì)圖像分割的方法進(jìn)行綜述；研究時(shí)可使用數(shù)字圖像處理技術(shù)以及圖像分割相關(guān)理論進(jìn)行分析，在學(xué)習(xí)圖像分割算法的基礎(chǔ)上編寫出一些算法的源程序，可使用 Matlab 軟件實(shí)現(xiàn)圖像分割，得出結(jié)論。 根據(jù)研究?jī)?nèi)容和技術(shù)步驟，實(shí)事求是，數(shù)據(jù)真實(shí)，獨(dú)立研究；圖表清晰，推理嚴(yán)密，結(jié)論合理。 第 1 頁(yè) 畢業(yè)設(shè)計(jì)（論文）主要內(nèi)容： 圖像分割是圖像處理中的一項(xiàng)關(guān)鍵技術(shù)，自 20 世紀(jì) 70 年代起一直受到人們的高度重視，至今已提出了上千種各種類型 的分割算法，現(xiàn)提出的分割算法大都是針對(duì)具體問題的，并沒有一種適合于所有圖像的通用分割算法，而且近年來每年都有上百篇相關(guān)研究報(bào)道發(fā)表。因此，對(duì)圖像分割的研究還在不斷深入之中，是目前圖像處理中研究的熱點(diǎn)之一。最近幾年又出現(xiàn)了許多新思路、新方法、或改進(jìn)算法。本次課題主要以分水嶺算法、區(qū)域生長(zhǎng)法和區(qū)域分裂合并法進(jìn)行圖像分割的研究。詳述圖像分割在交通、醫(yī)學(xué)等方面的應(yīng)用。圖像分割可定義為將數(shù)字圖像分割成互不相交區(qū)域的過程。圖像分割是一項(xiàng)基礎(chǔ)而長(zhǎng)久的研究領(lǐng)域，其結(jié)果好壞直接影響計(jì)算機(jī)視覺工程各環(huán)節(jié)。圖像處理技術(shù)在航空航天、生物醫(yī)學(xué)工程、工業(yè)檢測(cè)、機(jī)器人視覺、公安司法、軍事制導(dǎo)、文化藝術(shù)、地理測(cè)繪等領(lǐng)域受到廣泛重視，并取得了重大的開拓性成就，使圖像處理成為一門引人注目、前景遠(yuǎn)大的新型學(xué)科。本文介紹了數(shù)字圖像處理技術(shù)中圖像分割技術(shù)的基本原理和主要方法，對(duì)經(jīng)典的圖像分割算法進(jìn)行了較全面的敘述，分別研究了基于 分水嶺算法 、區(qū)域 生長(zhǎng)法 和 區(qū)域分裂合并 法的圖像分割方法，并使用 MATLAB 軟件對(duì)各種分割方法進(jìn)行了仿真 。 關(guān)鍵詞： 圖像分割 ； 算法 ； 應(yīng)用 太原理工大學(xué)畢業(yè)設(shè)計(jì) 圖像分割的方法及應(yīng)用 II The Method And The Application Of Image Segmentation Abstract Image segmentation is from the 1960s began to be studied, it is by the image processing to image analysis of the key steps, over the years has been widespread concern. Image segmentation is defined as a digital image into disjoint regions of the process. Theory in puter vision, image segmentation, feature extraction and object recognition constitutes a lowlevel and highlevel of the three tasks. Image segmentation is a basic and longstanding area of research, the results will have a direct impact on all aspects of puter vision works. Image segmentation as challenging frontier, attracted many scholars engaged in research in this field. Image processing technology in aerospace, biomedical engineering, industrial inspection, machine vision, public judicial, military guidance, arts and culture, geography and other fields mapping widespread attention, and has made significant pioneering achievements, the image processing to bee a lead of attention, of promising new segmentation is the basis of image feature extraction and recognition and image understanding, image segmentation research has been a hot spot and focus in the study of digital image processing techniques. Digital image processing techniques were introduced in this paper the basic principle and main methods of image segmentation technology in, has carried on the more prehensive to classic image segmentation algorithm, based on watershed algorithm are studied respectively, region growing method and region divided method of image segmentation method, and use MATLAB software to all segmentation method are simulated. Lists the image segmentation method applied in transportation, medicine and other fields. Key words: image segmentation。簡(jiǎn)要介紹了圖像分割的研究背景和意義，給出了圖像分割的基本方法及步驟。 選題意義 圖像分割是從上世紀(jì) 60 年代開始被人們所研究的， 它是由圖像處理到圖像分析的關(guān)鍵步驟 ，多年來一直被廣泛關(guān)注。在計(jì)算機(jī)視覺理論中，圖像分割、特征提取與目標(biāo)識(shí)別構(gòu)成了有低層到高層的三大任務(wù)。 圖像分割的應(yīng)用非常廣泛，幾乎出現(xiàn)在有關(guān)圖像處理的所有領(lǐng)域并涉及各種類型。當(dāng)人觀察景 物時(shí)，在視覺系統(tǒng)中對(duì)景物進(jìn)行分割的過程是必不可少的。但是在由像元陣列構(gòu)成的數(shù)字圖像中，不同圖像內(nèi)容占據(jù)不同的連通像元集合，圖像分割的任務(wù)是將整個(gè)圖像分離成代表不同圖像內(nèi)容的像元集合的過程。 圖像分割作為前沿學(xué)科充滿了挑戰(zhàn)，吸引了眾多學(xué)者從事這一領(lǐng)域研究。 圖像分割技術(shù)的現(xiàn)狀和發(fā)展情況 圖像分割算法的研究已有幾十年的歷史，一直以來都受到人們的高度重視。傳統(tǒng)的圖像分割方法存在著不足，不能滿足人們的要求，為進(jìn)一步的圖像分析和理解帶來了困難。 其中最主要的技 術(shù)是圖像分割技術(shù)， 從圖像中將某個(gè)特定區(qū)域與其它部分進(jìn)行分離并提取出來的處理 。早在 1965年就有人提出檢測(cè)邊緣算子，邊緣檢測(cè)已產(chǎn)生不少經(jīng)典算法。尤其是近年來迅速發(fā)展起來的小波理論為圖像處理帶來了新的理論和方法。 圖像分割作為前沿學(xué)科充滿了挑戰(zhàn)，吸引了眾多學(xué)者從事這一領(lǐng)域研究。 近年來，隨著各學(xué)科許多新理論和新方法的提出，人們也提出了許多結(jié)合一些特定理論、方法和工具的圖像分割技術(shù) 。 數(shù)學(xué)形態(tài)學(xué)是由法國(guó)數(shù)學(xué)家 Mathern Serra 1964年創(chuàng)立并在此后多年里得到不斷豐富和完善 ． 1982年 Serra 問世標(biāo)志著數(shù)學(xué)形態(tài)學(xué)開始在圖像處理、模式識(shí)別和計(jì)算機(jī)視覺等領(lǐng)域得到長(zhǎng)足的發(fā)展 。 2） 基于模糊理論的圖像分割方法。 2022年， Masooleh等提出一種的改進(jìn)模糊算法，使用粒子群優(yōu)化方法來優(yōu)化模糊系統(tǒng)，并用于彩色圖像分類和分割，具有最少的規(guī)則和最小的錯(cuò)誤識(shí)別率 。 20世紀(jì) 80年代后期，受到人工智能發(fā)展的影響，出現(xiàn)了基于神經(jīng)網(wǎng)絡(luò)的的圖像分割技術(shù) 。 4） 基于支持向量機(jī)的圖像分割方法。 支持向量機(jī)方法已經(jīng)被看作是對(duì)傳統(tǒng)學(xué)習(xí)方法的一個(gè)好的替代，特別在小樣本、高維非線性情況下，具有較好的泛化性能。目前常用的核函數(shù)有：線性核、多項(xiàng)式核以及高斯徑向核等 。 2022年， Liu等提出了一種使用支持向量機(jī)的多尺度 SAR圖像分割方法 。 基于圖論的圖像分割技術(shù)是近年來國(guó)際上圖像分割領(lǐng)域的一個(gè)新的研究熱點(diǎn) 。 該方法本質(zhì)上將圖像分割問題轉(zhuǎn)化為最優(yōu)化問題，是一種點(diǎn)對(duì)聚類方法，對(duì)數(shù)據(jù)聚類也具有很好的應(yīng)用前景 。 2022年， Bilodeau 。 人工免疫系統(tǒng)（ Artificial Immune System,AIS）是模仿自然免疫系統(tǒng)功能的一種智能方法，它實(shí)現(xiàn)一種受生物免疫系統(tǒng)啟發(fā)，通過學(xué)習(xí)外界物質(zhì)的自然防御機(jī)理的學(xué)習(xí)技術(shù)，提供噪聲忍耐、無教師學(xué)習(xí)、自組織、記憶等進(jìn)化學(xué)習(xí)機(jī)理，結(jié)合了分類器、神經(jīng)網(wǎng)絡(luò)和機(jī)器推理等系統(tǒng)的一些優(yōu)點(diǎn)，因此具有提供新穎的解決問題的潛力 。 7）基于粒度計(jì)算理論的圖像分割方法。 2022年，史忠植等提出了面向相容粒度空間模型的圖像分割方法 。 當(dāng)前，圖像分割已成為圖像理解領(lǐng)域關(guān)注的一個(gè)熱點(diǎn) 。 過去幾年，研究人員不斷將相關(guān)領(lǐng)域出現(xiàn)的新理論和新方法應(yīng)用到圖像分割中，雖然取得了一定的效果，但仍未出現(xiàn)一種令人滿意的高效的通用的方法 ． 其主要原因是人類對(duì)視覺系統(tǒng)還沒有充分的認(rèn)識(shí)，已有的模型只是從功能上來模擬，而不是從結(jié)構(gòu)上來實(shí)現(xiàn) 。 圖像分割主要研究方法 圖像分割是圖像處理中的一項(xiàng)關(guān)鍵技術(shù)，自 20世紀(jì) 70年代起一直受到人們的高度重視，至今已提出了上千種各種類型的分割算法，現(xiàn)提出的分割算法大都是針對(duì)具體問題的，并沒有一種適合于所有圖像的通用分割算法，而且近年來每年都有上百篇相關(guān)研究報(bào)道發(fā)表。因此，對(duì)圖像分割的研究還在不斷深入之中，是目前圖像處理中研究的熱點(diǎn)之一。最近幾年又出現(xiàn)了許多新思路、新方法、或改進(jìn)算法。 多年來人們對(duì)圖像分割提出了不同的解釋和表述，借助集合概念對(duì)圖像分割可給出如下定義： 令集合 R 代表整個(gè)圖像區(qū)域，對(duì) R 的圖像分割可以看做是將 R 分成 N 個(gè)滿足以下條件的非空子集 R1， R2， R3， ? ， RN； （ 1） 在分割結(jié)果中，每個(gè)區(qū)域的像素有著相同的特性 ； （ 2） 在分割結(jié)果中，不同子區(qū)域具有不同的特性，并且它們沒有公共 特 性 ； （ 3） 分割的所有子區(qū)域的并集就是原來的圖像 ； （ 4） 各個(gè)子集是連通的區(qū)域 ； 太原理工大學(xué)畢業(yè)設(shè)計(jì) 圖像分割的方法及應(yīng)用 4 圖像分割是 把圖像分割成若干個(gè)特定的、具有獨(dú)特性質(zhì)的區(qū)域并提取出感興趣目標(biāo)的技術(shù)和過程，這些特性可以是像素的灰度、顏色、紋理等提取的目標(biāo)可以是對(duì)應(yīng)的單個(gè)區(qū)域，也可以是對(duì)應(yīng)的多個(gè)區(qū)域。下面就這些方法展開介紹。邊緣檢測(cè)方法是人們研究得比較多的一種方法，它通過檢測(cè)圖像中不同區(qū)域的邊緣來達(dá)到分割圖像的目的。我們將邊緣定義為圖像中灰度發(fā)生急劇變化的區(qū)域邊界。經(jīng)典的邊緣檢測(cè)方法，是通過對(duì)原始圖像中像素的某小鄰域構(gòu)造邊緣檢測(cè)算子來達(dá)到檢測(cè)邊緣這一目的。在實(shí)際中使用的通常是這兩種基本形式的結(jié)合。區(qū)域生長(zhǎng)法的基本思想是將具有相似性質(zhì)