基于类内最小模糊散度阈值法的图像分割.doc

摘要：图像分割是许多图像分析和图像处理过程中的重要步骤。由于人的视觉特性和数字图像本身所具有的模糊性，使得图像分割问题是典型的结构不良问题，由Zadeh提出的模糊集合论具有描述不良问题的能力，模糊集合论应用于图像分割是针对图像模糊性非常有效的方法。目前模糊集理论在图像分割中的应用有许多成功的方法。本文就基于模糊理论的图像分割方法进行了综述，主要归纳了模糊阈值分割、模糊聚类分割以及模糊神经网络分割等方法并简要讨论了各种方法的特点。

关键词：模糊集理论；模糊逻辑；图像处理；图像分割

目录

摘要

ABSTRACT

1 引言 II

1.1　图像与图像工程 1

1.1.1　图像基础知识 1

1.1.2　图像工程概述 2

1.1.3　图像技术和应用分类 3

2 图像分割概述 5

2.1　图像分割的定义 5

2.2　图像分割的应用 6

2.3　图像分割研究的趋势 7

3 基于模糊集理论的方法 8

3.1　基于类内最小模糊散度 8

3.2　模糊阈值分割算法 9

4 图像分割的方法 13

4.1　阈值法 13

4.2　区域生长法 13

4.3　边缘检测法 14

4.3.1　边缘检测阈值法及改进方法 14

4.4　人工神经网络法 15

5 图像阈值分割法的分析与比较 17

5.1　迭代法 17

5.2　类间最大距离法 17

5.3　局部阈值法 18

5.4　阈值法图像分割对比分析评价 19

6 结论 20

致谢 21

参考文献 22