基于模糊理論的圖像分割算法研究

1、基于模糊理基于模糊理論的圖像分割算法研究像分割算法研究論文關鍵詞：圖像分割邊緣檢測模糊理論遺傳算法Matlab論文摘要：分割的目的是將圖像劃分為不同區(qū)域。圖像分割算法一般是基于亮度值的兩個基本特性之一：不連續(xù)性和相似性。第一類性質的已用途徑是基于亮度的不連續(xù)變化分割圖像，比如圖像的邊緣。第二類的主要應用途徑是依據(jù)事先制訂的準則將圖像分割為相似的區(qū)域。門限處理、區(qū)域生長、區(qū)域分離和聚合都是這類方法的實例。遺傳算法具有簡單、魯棒性好和本質并

2、行的突出優(yōu)點。其在應用領域取得的巨大成功，引起了廣大學者的關注。在圖像分割領域，遺傳算法常用來幫助確定分割閾值。本文介紹討論了幾種目前廣泛應用的圖像邊緣檢測、圖像閾值分割的各種算法，并給出了對比分析；對遺傳算法的基本概念和研究進展進行了綜述；給出了標準遺傳算法的原理、過程、實驗結果及分析.實驗結果表明，本文提出的遺傳分割算法優(yōu)于傳統(tǒng)分割算法。第一章緒論1.1圖像分割綜述圖像分割就是指把圖像分成各具特性的區(qū)域并提取出感興趣目標的技術和過程

3、。這里所說的特性可以是灰度、顏色、紋理等，而目標可以對應單個區(qū)域，也可以對應多個區(qū)域。圖像分割是數(shù)字圖像處理中的一項關鍵技術，它使得其后的圖像分析，識別等高級處理階段所要處理的數(shù)據(jù)量大大減少，同時又保留有關圖像結構特征的信息。而且，在數(shù)字圖像處理工程中，一方面，圖像分割是目標表達的基礎，對特征測量有重要的影響；另一方面，圖像分割是自動目標識別的關鍵步驟，圖像分割及其基于分割的目標表達、特征提取和參數(shù)測量等將原始圖像轉化為更抽象更緊湊的形

4、式，分割中出現(xiàn)的誤差會傳播至高層次處理階段，因此分割的精確程度是至關重要的。只有通過細致精細的圖像分割，才能使得更高層的圖像分析和理解成為可能。因此，圖像分割是由圖像處理進到圖像分析的關鍵步驟，在圖像工程中占據(jù)重要的位置。1.2圖像分割的研究意義與發(fā)展現(xiàn)狀作為計算機視覺和圖像處理中的難點和熱點之一，圖像分割的研究受到了研究工作者的高度重視，對圖像分割進行了深入、廣泛的研究。作為一種重要的圖像技術，圖像分割在不同領域中有時也用其它名稱：如

5、目標輪廓(objectdelineation)技術，閾值化(thresholding)技術，圖像區(qū)分或求差(image2.簡介數(shù)字圖像的基礎問題。概述了數(shù)字圖像的基本概念和特點，簡介了各種圖像格式的特點和應用，為全文的討論作一鋪墊。3.詳細討論了圖像分割中的基于閾值的圖像分割方法，給出了直方雙峰法的算法和驗證結果，并簡要介紹了普通最大類間方差法的算法過程。4.對遺傳算法理論進行簡介。詳細討論了遺傳算法的定義和標準遺傳算法的流程和要素。為

6、應用此方法對最大閾值進行迭代尋優(yōu)打下基礎。6.應用遺傳算法改進了最大類間方差法。給出了整個遺傳操作的使用函數(shù)與具體進程，并對實例圖片進行處理，得到處理結果并得到迭代最優(yōu)閾值M。本文研究了圖像分割的相關理論和常用技術，并對遺傳算法進行了介紹對遺傳算法應用于圖像分割進行了驗證.第二章Matlab簡介2.1MATLAB的概況和產生背景2.1.1MATLAB的概況MATLAB是矩陣實驗室(MatrixLabaty)之意。除具備卓越的數(shù)值計算能力

7、外，它還提供了專業(yè)水平的符號計算，文字處理，可視化建模仿真和實時控制等功能。MATLAB的基本數(shù)據(jù)單位是矩陣，它的指令表達式與數(shù)學工程中常用的形式十分相似故用MATLAB來解算問題要比用CFTRAN等語言完相同的事情簡捷得多.當前流行的MATLAB包括擁有數(shù)百個內部函數(shù)的主包和三十幾種工具包(Toolbox).工具包又可以分為功能性工具包和學科工具包.功能工具包用來擴充MATLAB的符號計算可視化建模仿真文字處理及實時控制等功能.學科工

8、具包是專業(yè)性比較強的工具包控制工具包信號處理工具包通信工具包等都屬于此類.開放性使MATLAB廣受用戶歡迎.除內部函數(shù)外所有MATLAB主包文件和各種工具包都是可讀可修改的文件用戶通過對源程序的修改或加入自己編寫程序構造新的專用工具包.2.1.2MATLAB產生的歷史背景在70年代中期CleveMoler博士和其同事在美國國家科學基金的資助下開發(fā)了調用EISPACK和LINPACK的FTRAN子程序庫.EISPACK是特征值求解的FOE