1. 研究目的与意义
在计算机视觉领域，图像分割（Segmentation）指的是将数字图像细分为多个图像子区域（像素的集合）（也被称作超像素）的过程。图像分割技术自20世纪70年代起一直受到人们的高度重视，虽然研究人员针对各种问题提出了许多方法，但迄今为止仍然不存在一个普遍适用的理论和方法。另外，还没有制定出选择适用分割算法的标准，这给图像分割技术的应用带来许多实际问题。图像分割的目的是简化或改变图像的表示形式，使得图像更容易理解和分析。图像分割通常用于定位图像中的物体和边界（线，曲线等）。更精确的，图像分割是对图像中的每个像素加标签的一个过程，这一过程使得具有相同标签的像素具有某种共同视觉特性。
图像分割技术在国民生活的众多领域中都有广泛的应用，探讨了图像分割技术的发展方向，对从事图像处理研究的科研人员具有一定的启发作用，因此具有很大的研究价值。
2. 课题关键问题和重难点
课题重点：
1、用matlab实现图像分割方法的比较研究。
2、采用基于边缘检测、阈值、区域生长和聚类等方法来实现图像分割应用。
3. 国内外研究现状（文献综述）
从上世纪70年代起,许多研究人员为图像分割问题付出了巨大的努力。现代图像处理技术已成功地应用于许多领域。例如,机动车号牌识别,交通路口(段)的电子警察,文字识别(OCR),指纹识别,等等。图像分割是图像识别和图像理解的基本前提,图像分割质量的好坏直接影响后续图像处理的效果,因此图像分割的作用是至关重要的。图像分割是指将一幅图像分解为若干互不交叠的有意义具有相同性质的区域。好的图像分割应具备的特征:①分割出来的各区域对某种性质例如灰度,纹理而言具有相似性,区域内部是平整的且没有许多小孔;②相邻区域对分割所依据的性质有明显的差异;③区域边界是明确和规整的。大多数图像分割方法只是部分满足上述特征。如果加强分割区域的同性质约束,则分割区域很容易产生大量小孔和不规整边缘;若强调不同区域间性质差异的显著性,则易造成不同质区域的合并。具体处理时,不同的图像分割方法总是在各种约束条件之间寻找一种合理的折中[1]。
图像分割是图像处理到图像分析的关键步骤,也是进一步图像理解的基础。所谓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。借助集合概念对图像分割可给出如下比较正式的定义令集合R 代表整个图像区域,对的分割可看作将R分成N 个满足下列5 个条件的非空子集（子区域）R1,,RN;
①R1 U R2U RN =R;
4. 研究方案
研究方法：
1.查阅资料，了解图像分割方法的研究现状及基本原理。
2.研究边缘检测法的基本原理，用matlab进行基本仿真。
5. 工作计划
第一周：布置英文翻译，查阅有关毕业设计的专业文献资料
第二周：复习数字图像处理基础知识，加深对毕业设计课题的理解
第三周：熟悉MATLAB软件使用，练习MATLAB编程或C 编程
以上是毕业论文开题报告，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
