亚洲v欧美v国产v在线成_制服丝袜中文字幕丝袜专区_一区二区三区韩国电影_激情欧美一区二区中文字幕

我要投稿 投訴建議

重慶大學(xué)本科開題報告

時間:2020-12-31 12:41:19 開題報告 我要投稿
  • 相關(guān)推薦

重慶大學(xué)本科開題報告范本

  畢業(yè)設(shè)計(論文)開題報告

重慶大學(xué)本科開題報告范本

  1、課題的目的及意義(含國內(nèi)外的研究現(xiàn)狀分析或設(shè)計方案比較、選型分析等)

  1.1課題目的

  圖像分割是一種重要的圖像分析技術(shù)。在對圖像的研究和應(yīng)用中,人們往往僅對圖像中的某些部分感興趣,這些部分常常被稱為目標或前景(其他部分稱為背景),它們一般對應(yīng)圖像中特定的、具有獨特性質(zhì)的區(qū)域。這里的獨特性質(zhì)可以是像素的灰度值,物體輪廓曲線、顏色、紋理等。為了識別和分析圖像中的目標,需要將它們從圖像中分離提取出來,在此基礎(chǔ)上才有可能進一步對目標進行測量和對圖像進行利用。圖像分割就是指圖像分成各具特性的區(qū)域并提取出感興趣目標的技術(shù)和過程?1?。

  聚類是人類的一項最基本活動,在自然科學(xué)和社會科學(xué)中,存在著大量的聚類問題。聚類類似于分類,都是把多個元素按照相似程度進行分類,如相似程度大的分成一類,把不相似或者說差別大的分成不同類。但聚類和分類不同,分類預(yù)先就制定好標準,而聚類沒有預(yù)先制定好的標準。以不同的標準進行分類,會得到不同的結(jié)果,因此,聚類也就有多種方式。研究聚類問題,有很大的意義,它是研究其他問題的起點。數(shù)據(jù)通過聚類以后,進行其他的數(shù)據(jù)處理,如數(shù)據(jù)匯總等,就可以提取出數(shù)據(jù)特征,為制定各種方案和決策提供理論上的依據(jù)。

  圖像分割將一幅圖像劃分成若干個具有某種均勻一致性的區(qū)域,從而將人們感興趣的區(qū)域從復(fù)雜的場景中提取出來。圖像的分割問題可看作是對像素進行聚類的問題。

  基于聚類分析得圖像分割方法是圖像分割領(lǐng)域中一類極其重要和應(yīng)用相當廣泛的算法,無論是灰度圖像分割、彩色圖像分割還是紋理圖像分割或者其他類型的圖像分割,都可以應(yīng)用聚類分析方法完成分割。由于圖像的分割問題可看作是對像素進行聚類的問題,因此聚類算法應(yīng)用于圖像分割問題中,同樣可以把人們感興趣的部分分割出來,而聚類算法簡單、收斂速快等特點,使得人們可以快速提取彩色圖像信息,以便對圖像做進一步的處理。

  1.2國內(nèi)外發(fā)展現(xiàn)狀

  圖像分割的方法已有上千種,每年還有許多新方法出現(xiàn),典型而傳統(tǒng)的分割方法可以分為基于閾值的方法、基于邊緣的方法和基于區(qū)域分割方法等。彩色圖像分割是圖像處理中的一個主要問題,也是計算機視覺領(lǐng)域低層次視覺中的主要問題。多年來,彩色圖像分割技術(shù)一直在工業(yè)自動化控制、遙感遙測、微生物工程以及合成孔徑雷達成像等多種工程應(yīng)用領(lǐng)域得到相當廣泛的應(yīng)用?偟膩碚f,彩色圖像分割的方法可以分為基于像元、區(qū)域、邊緣的分割三大類,前兩類利用的是相似性,基于邊緣的分割則是利用的是不連續(xù)性。

  目前聚類分析在許多實際問題上都有應(yīng)用,應(yīng)用的領(lǐng)域涉及商務(wù)、生物學(xué)、信息檢索、氣候、心理學(xué)和醫(yī)學(xué)等等?2?。聚類算法不需要訓(xùn)練樣本,因此,聚類是一種無監(jiān)督的統(tǒng)計方法。因為沒有訓(xùn)練樣本值,聚類算法迭代的執(zhí)行對圖像分類和提取各類的特征值。聚類分析雖然不需要訓(xùn)練集,但是需要有一個初始分割提供初始參數(shù),初始參數(shù)對最終分類結(jié)果影響較大。另一方面,聚類也沒有考慮空間關(guān)聯(lián)信息,因此也對噪聲和灰度不均勻敏感。

  聚類分析算法在圖像分割中應(yīng)用得較為廣泛,其中尤以K-means算法應(yīng)用較多。但是,基于k-means聚類算法在圖像分割中的缺點,目前有很多改進的算法,主要改進目標有幾個方面:(1)初始值的選擇以及輸入順序?qū)垲惤Y(jié)果影響;(2)算法的效率問題;(3)小波變換聚類算法的研究。主要的改進方向有以下幾個方面:(1)圖像數(shù)據(jù)信息的預(yù)處理;(2)初始聚類中心的選擇;(3)聚類個數(shù)K的確定;(4)相似度和聚類目標函數(shù)的選擇。

  國內(nèi)的研究如:華東交通大學(xué)的周新建和涂宏斌從效率方面考慮,選用Tanimoto系數(shù)作為類別判定準則,即Tanimoto測度對算法進行改進,使缺陷圖片的邊緣更加清晰,分割結(jié)果既突出了目標,又保留了細節(jié),獲得較好的分割效果?3?;鄭州大學(xué)李翠和馮冬青從初始聚類中心和相似度方面考慮,利用數(shù)理統(tǒng)計的方法獲取優(yōu)化的初始聚類中心,同時引入加權(quán)的歐式距離作為衡量相似度的標準,也獲得了很好的分割效果?4?;清華大學(xué)的田金蘭,朱林,張素琴和劉璐同時從初始的聚類中心的選擇和距離目標函數(shù)的計算入手,提出聚類中心預(yù)處理和距離并行計算的方式這兩個方面提高k-means算法的效率?5?等等。

  國外也有很多基于改進的k-means算法的圖像分割研究,如:Aristidis Likasa等針對傳統(tǒng)的k-means有可能出現(xiàn)局部最優(yōu)的情況,提出了從一個合適的位置開始,通過每執(zhí)行一次增加一個聚類中心的方式達到全局最優(yōu)方法?6?;Adil M. Bagirov也提出了通過使輔助的聚類函數(shù)極小后獲得第k個聚類中心的另一種全局最優(yōu)的聚類算

  2、課題任務(wù)、重點研究內(nèi)容、實現(xiàn)途徑

  2.1課題的主要任務(wù)

 。1)查詢、翻譯相關(guān)的資料,學(xué)習(xí)圖像處理和聚類算法,熟悉課題涉及的內(nèi)容,初步了解課題的主要任務(wù),同時學(xué)習(xí)MATLAB的編程知識,掌握與圖像處理和k-means相關(guān)的編程技巧;

 。2)熟悉圖像處理的常用方法,掌握傳統(tǒng)的k-means算法,分析其優(yōu)缺點,并對其進行改進;

 。3)用MATLAB編程實現(xiàn)上述的.改進算法,并利用圖片庫中的圖片進行實驗仿真。

  2.2課題重點研究的內(nèi)容

  本次課題重點研究的內(nèi)容針對傳統(tǒng)的k-means算法在彩色圖像分割中的缺點進行改進。傳統(tǒng)的k-means算法簡單,收斂的速度快,但是一方面算法本身對初始值的選擇,孤立點等方面并不是很好,且可能獲得局部最優(yōu),而不是全局最優(yōu);另一方面它往往只針對灰度圖像,對于彩色圖像的分割效果也不是很好。所以,本課題就其缺點做進一步的改進。

  2.3課題的實現(xiàn)途徑

  通過查閱文獻,仔細思考,初步確定了課題的實現(xiàn)途徑:

  首先弄清楚傳統(tǒng)的k-means算法的原理及其在彩色圖像分割中如何應(yīng)用,并了

  10?解MATLAB的編程環(huán)境及傳統(tǒng)的k-means如何在MATLAB中如何實現(xiàn)?8,;然后

  通過原圖和用傳統(tǒng)的k-means算法進行彩色圖像分割得到的分割圖像作比較,了解傳統(tǒng)的k-means算法的不足;其次通過仔細研究,確定對k-means算法的改進方向和改進方案并編寫程序;最后通過對比,獲得最終的結(jié)論?9?。

  在MATLAB中實現(xiàn)過程如下:

  Step1:輸入彩色圖像,并顯示出來;

  Step2:采集圖像的亮度和色彩信息;

  Step3:用改進的k-means 算法對圖像信息進行聚類;

  Step4:按聚類對圖像進行分割,把分割后的圖像顯示出來;

  Step5:通過比較驗證改進后的算法效果;

  Step6:得出結(jié)論。

  參考文獻

  [1]張德豐等.MATLAB數(shù)字圖像處理 第2版[M].北京:機械工業(yè)出版社,2012.1

  [2]元昌安等.數(shù)據(jù)挖掘原理與spss clementine應(yīng)用寶典[M].北京:電子工業(yè)出版社,2009.8

  [3]周新建,涂宏斌.基于改進的K-means聚類圖像分割算法[D].南昌:CAD/CAM 研究室,2007

  [4]李翠, 馮冬青.基于改進K均值聚類的圖像分割算法研究[D].鄭州:鄭州大學(xué)電氣工程學(xué)院,2011.3

  [5]TIAN Jinlan,ZHU Lin,ZHANG Suqin,LIU Lu.Improvement and Parallelism of k-Means Clustering Algorithm[D].Beijing:Department of Computer Science and Technology, Tsinghua University,2005.6

  [6]Aristidis Likas, Nikos Vlassis, JakobJ. Verbeek.The global k-means clustering algorithm[J].Greece:Department of Computer Science, University of Ioannina,2003.3

  [7]AdilM.Bagirov.Modified global k-means algorithm for minimum sum-of-squares clustering problems[J].Victoria:Centre for Informatics and Applied Optimization, School of Information Technology and Mathematical Sciences, University of Ballarat.2008

  [8](美)岡薩雷斯(Rafael C.Gonzalez)等著,阮秋琦等譯. 數(shù)字圖像處理(Matlab版)[M]. 北京:電子工業(yè)出版社, 2005.

  [9]Gonzalez C Rafael, Woods E Richard. 數(shù)字圖像處理(第二版) [M],北京:電子工業(yè)出版社, 2003: 463~474.

  [10]Tou J T, Gonzalez R C. Pattern recognition principle [M]. Addison Wesley, Reading, 1974.

  3、進度計劃

  學(xué)生簽名:

  年 月 日

  4、指導(dǎo)教師意見

  指導(dǎo)教師簽名:

  年 月 日