基于小波的图像分割技术研究.doc

目录 摘要 I Abstract II 一、绪论 1 （一） 研究背景 1 （二） 图像分割技术发展的意义 1 （三） 小波在图像分割技术中的应用现状和基本思想 1 （四） 本文的主要工作 2 二、 图像分割方法应用现状以及发展趋势 2 （一） 图像分割的基本思想 2 （二） 待分割图像的类型 2 （三） 典型图像分割方法 3 1. 阈值法 3 2. 边缘检测法 4 3. 区域法 4 4. 聚类法 5 （四） 图像分割的应用现状 6 （五）图像分割的发展趋势 6 三、小波在图像分割技术中的应用和基本思想 7 （一） 小波变换的基本介绍 8 （二） 小波的发展历史 8 （三） 小波的应用 9 1. 图像增强与恢复 2. 图像压缩 3. 图像分析与理解 四、基于小波的图像分割的Matlab仿真 9 （一）应用传统算子对图片进行分割 10 1. Roberts算子对图片“LENA256”的边缘检测 11 2. Sobel算子对图片“LENA256”的边缘检测 12 3. Prewitt算子对图片“LENA256”的边缘检测 12 4. Log算子对图片“LENA256”的边缘检测 13 5. Canny算子对图片“LENA256”的边缘检测 13 6. 最后应用小波对图像“LENA265”进行图像处理 14 （二） 应用传统算子对加入高斯噪声的图片进行分割 15 1. Roberts算子对加入高斯噪声后的“LENA256”进行边缘检测 16 2. Sobel算子对加入高斯噪声后的“LENA256”进行边缘检测 16 3. Prewitt算子对加入高斯噪声后的“LENA256”进行边缘检测 17 4. Log算子对加入高斯噪声后的“LENA256”进行边缘检测 17 5. Canny算子对加入高斯噪声后的“LENA256”进行边缘检测 18 6. 应用haar小波对加入高斯噪声后的“LENA256”进行边缘检测 18 7. 结论 19 五、 结论与展望 19 参考文献 20 致谢 21 第一章绪论 1.1研究背景 在过去的几十年，计算机系统的处理速度，存储能力以及计算机网络都发展着，这些发展数字图像处理以及网络多媒体提供了的技术保障，并且了数字图像处理及网络多媒体的研究和应用。图像处理已经成为一个蓬勃发展的学科，其研究领域和研究课题。数字图像处理理论和技术大致可概括为:图像数字化、图像、图像恢复、图像、图像压缩、图像分割、特征提取等 1.2图像分割技术发展的意义 图像分割是指把图像分成各具特性的区域并提取出感兴趣目标的技术和过程，此处特性可以是象素的灰度、颜色、纹理等预先定义的目标可以对应单个区域，也可以对应多个区域。图像分割是由图像处理到图像分析的关键步骤，在图像工程中占据重要的位置。一方面，它是目标表达的基础，对特征测量有重要的影像。另一方面，因为图像分割及其基于分割的目标表达、特征抽取和参数测量将原始图像转化为更抽象更紧凑的形式，使得更高层的图像分析和理解成为可能。 从小波概念的提出到现在不到二十年的时间，小波变换不仅在理论和方法上 取得了进展且在信号分析与图像处理、数据压缩、计算机视觉、语音合成与分析等领域得到了广泛应用，取得了的成就。小波分析具有起良好的时频局部化特征、尺度变化特征和方向性特征，小波变换的基本思想是将信号展开成一族基函数之加权和，即用一族函数表示或逼近信号或函数这一族函数是通过基本函数的平移和伸缩构成的。 本文的工作重点是基于小波理论在图像所具有的极大潜力，力图寻找出一种比较有效的符合人类视觉感知特性的纹理图像分割方法。 本文的研究工作主要包括以下几个方面: 第二章图像分割的方法应用现状及发展趋势 2.1图像分割的基本思想 图像分割就是图像处理与机器视觉的基本问题之一,其要点是:把图像划分成若干互不交迭区域的集合,这些区域不是对当前的任务有意义,就是就有助于说明它们与实际物体或物体的某些部分之间的对应关系。 2.2待分割图像的类型 总体上，待分割的图像可被分为两大类:灰度图像(其中灰度占优)和纹理图像(其中纹理占优)，因此分割方法可以被分为两大类，即灰度图像分割方法和纹理图像分割方法。对于灰度图像而言，分割方法又可大致分为两类: 1)利用图像灰度一致性进行的分割的方法。常用的方法有:利用图像灰度统计信息的各种直方图门限化方法和利用图像中灰度区域边界处灰度变化信息的各种边缘检测算法。 2)利用图像空间域信息进行分割的方法。常用的方法包括:区域分裂、合并，区域增长方法，各种松弛迭代算法。伴随着新的数学及信息处理方法的出现，己经出现了许多与上述传统方法相结合的图像分割方法，如基于模糊集、神经网络的图像分割。 2.3典型的图像分割方法 2.3.1阈值法 在所有的图像分割(image se