基于脉冲耦合神经网络和进化算法的图像分割方法研究(9)

数字图像处理方向学术论文

第一章 绪论 1

第一章 绪论

1.1 引言

近年来，随着计算机科学和多媒体技术的迅速发展和普及，数字图像处理技术受到了前所未有的广泛重视，在很多领域都得到了很好的应用与发展[2,3]。最为显著的是数字图像处理技术已经从工业领域、实验室走入了商业领域、艺术领域及办公室，甚至走入了人们的日常生活。而图像分割，作为计算机视觉和图像理解中的最基本问题，自20世纪70年代起也受到人们的高度重视，

在对图像进行处理和研究时，人们往往只对图像中的某些部分感兴趣，这些部分就称为目标和前景。图像分割就是要将图像表示为物理上有意义的连通区域的集合, 也就是根据目标与背景的先验知识, 对图像中的目标、背景进行标记、定位, 然后将目标从背景或其他伪目标中分离出来。由于这些被分割的区域在某些特性上相近, 因而图像分割常用于模式识别与图像理解以及图像压缩与编码两大类不同的应用目的。

所谓的图像分割就是按照一定的准则把图像划分成若干互不交叠、具有一定意义的区域，把人们对图像中感兴趣的部分或者目标从图像中提取出来，进—步加以分析和处理[1]。

图像分割是图像分析的第一步, 是计算机视觉的基础, 是图像理解的重要组成部分, 同时也是图像处理中最古老和最困难的问题之一。图像分割是由图像处理过渡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响。另一方面，因为图像分割及基于分割的目标表达式、特征提取和参数测量等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。

图像分割在实践中得到广泛的应用，例如在工业自动化，在线产品检验，生产程控，文件图像处理，遥感和生物医学图像分析，保安监视，以及军事、体育、农业工程等方面。概括来说，在各种图像应用中，只要需对图像目标进行提取、测量等都离不开图像分割，分割的准确性直接影响后续任务的有效性，因此图像分割具有十分重要的意义。

图像分割技术的发展与许多其它学科和领域密切相关。近几十年来，随着各学科的发展，图像分割得到了深入广泛的研究，并提出许多可行的理论和方法。虽然传统的图像分割已经有了比较成熟的理论和方法，但仍然存在着许多不足。其不足主要表现在：分割效果不够好，鲁棒性不好等等。

百度搜索“77cn”或“免费范文网”即可找到本站免费阅读全部范文。收藏本站方便下次阅读，免费范文网，提供经典小说综合文库基于脉冲耦合神经网络和进化算法的图像分割方法研究(9)在线全文阅读。