基于图论图像分割算法研究

基于图论图像分割算法研究(任务书,开题报告,论文13000字)
摘 要
在实际应用过程中，图像分割在广泛的邻域中被应用，例如：计算机科学、医学、生产活动、城市建设、电力运输等诸多的方面。
本文在文章开始即介绍了最经典的、最常见的图像分割算法，并在其后与特定理论相结合，在对比研究分割算原理的同时也对其性能的优缺点和适应范围分别进行了比较，接着以三种最常见的图像分割算法为基础注重研究了基于图论的集中图像分割算法，最后根据论文的研究目标，对近些年内用的较多的几种分割方法进行了整理归纳，和对比仿真。基于图论的图像分割算法仍然还有很大的发展空间，不仅因为它还处于起步阶段，而且还因为它是公认的最好的方法，未来基于图论的图像分割算法还有很大的研究空间。
通过本文的研究，将进一步增强对图像处理的技术与方法的系统性介绍，并且能对最新的图像分割技术做出对比性仿真。
关键词：图像处理；图论；图像分割

Abstract
Image segmentation be used in a wide range of areas, such as computational science, medicine, manufacturing activity, urban construction, electricity, transportation and other aspects.
In this paper, we study the image segmentation technology based on graph theory, and focus on the advantages and disadvantages of different segmentation algorithms. At first, the paper introduces the definition of image segmentation technology and the principle of image segmentation, then, according to the different kinds of segmentation methods have been proposed, focus on the threshold segmentation method based on, the segmentation method based on edge, the three forms of the regional segmentation method based on.
Through the study of this paper, will further enhance the the introduction to the system of image processing techniques and methods, and the latest image segmentation technology to make comparative test, points out the advantages and disadvantages of different technology, the development of image processing technology has important significance.
Key words: image processing; graph theory; image segmentation
 

目 录
摘 要    I
Abstract    II
第1章 绪论    1
1.1研究背景及意义    1
1.2国内外研究现状    2
1.3本文的研究内容及章节安排    3
第2章 图像分割算法综述    4
2.1 图像分割的定义    4
2.2基于阈值的图像分割    4
2.2.1 最大类间方差法    5
2.2.2 仿真结果    7
2.3基于边缘检测的图像分割    7
2.3.1 边缘及边缘检测原理    7
2.3.2 常见的经典边缘检测算子    9
2.3.3 对比仿真    10
2.3.4 分析结果    11
2.4基于区域特性的图像分割    12
2.4.1 区域生长法    12
2.4.2 分裂合并法    12
2.5 与特定理论相结合的算法    12
2.6 本章小结    13
第3章 图论理论    14
3.1 图的定义    14
3.2 图里面的几个概念    15
3.3 图的表示    15
3.4 图中几个重要的算法    16
3.5 本章小结    16
第4章 基于图论的图像分割技术    17
4.1 最小割方法    19
4.2 N-cut方法    19
4.3 等周分割    20
4.5 比较    20
4.6 本章小结    21
第5章 总结与展望    22
5.1 论文工作总结    22
5.2 研究工作展望    22
参考文献    23
致谢    24