matlab图像分割毕业设计

（论文）I数字图像的多分辨率分析处理方法研究—基于小波变换的医学图像分割的研究电信学院电子信息工程专业摘要图像分割是一种重要的图像分析技术。对图像分割的研究一直是图像技术研究中的热点和焦点。医学图像分割是图像分割的一个重要应用领域，也是一个经典难题，至今已有上千种分割方法，既有经典的方法也有结合新兴理论的方法。本论文首先介绍了双峰法以及最大类方差自动阈值法，然后重点介绍一种基于小波变换的图像分割方法,该方法先对图像的灰度直方图进行小波多尺度变换,然后从较大的尺度系数到较小的尺度系数逐步定位出灰度阈值。最后，对这几种算法的分割效果进行了比较。实验结果表明,本设计能够实时稳定的对目标分割提取，分割效果良好。医学图像分割是医学图像处理中的一个经典难题。图像分割能够自动或半自动描绘出医学图像中的解剖结构和其它感兴趣的区域，从而有助于医学诊断。关键词：小波变换；图像分割；阈值（论文）IIAbstractTheimagesegmentationisanimportanttechnologyofimageprocessing.Itisstillahotpointandfocusofimageprocessing.Medicalimagesegmentationisanimportantapplicationinthefieldofimagesegmentation,anditisalsoaclassicaldifficultproblemforresearchers.Thousandsofmethodshavebeenputforwardtomedicalimagesegmentation.Someuseclassicalmethodsandothersusenewmethods.Inthispaper,firstintroducedthepetronasmethodandmaximumbetweenclassvariance.Thenfocusintroducedamethodofimagesegmentationbasedonwavelettransformisdiscussed.Inthismethod,thewaveletmultiscaletransformofimagegrayhistogramisdonefirst.Moreover,thegraythresholdisgraduallyfoundoutfromlargescalecoefficientstosmallscalecoefficients.Finally,theeffectsofthemethodsinsegmentationarecompared.Theexperimentalresultsindicatethatthesystemcanobtainagoodperformanceofimagesegmentation.Medicalimagesegmentationisaclassicalpuzzleforresearchers.Imagesegmentationisthemethodtodelineateanatomicstructuresorotherinterestedregionsautomaticallyorsemi-automatically,whichishelpfultodiagnosisandplaysacrucialroleinmanymedicalimagingapplications.Keywords：WaveletTransform;ImageSegmentation；threshold（论文）III目录第一章绪论......................................................11.1图像分割技术的现状和发展情况............................11.2图像分割主要研究方法.....................................11.2.1边缘检测法.........................................21.2.2区域提取法.........................................21.2.3阈值分割法.........................................31.2.4结合特定理论工具的分割法..........................31.3论文的内容与结构安排.....................................4第二章图像分割预处理............................................52.1图像平滑.................................................52.1.1中值滤波原理.......................................52.1.2平滑效果分析.......................................62.2灰度调整.................................................72.2.1灰度调整原理.......................................72.2.2灰度调整效果分析...................................72.3本章小结.................................................8第三章基于阈值的图像分割技术....................................93.1阈值分割原理.............................................93.2图像分割方法............................................103.2.1图像二值化........................................103.2.2双峰法............................................103.2.3最大方差自动取阈值法.............................123.3本章小结................................................13第四章基于小波图像阈值分割技术.................................144.1基于小波阈值分割技术简述..........................144.2小波分析................................................144.2.1小波变换..........................................144.2.2小波分割算法及步骤...............................154.3阈值选取以及实验分析..............................16（论文）IV4.3.1直方图分辨率的小波表示...........................164.3.2多分辨率阈值选取..................................174.3.3实验分析..........................................184.4本章小结................................................20第五章总结与展望...............................................215.1工作总结................................................215.2工作展望............................................21致谢............................................................22参考文献........................................................23附录...........................................................24（论文）1第一章绪论本章对论文涉及的研究领域进行了较为详细的综述。简要介绍了医学图像分割的研究目的和意义，给出了医学图像分割的基本方法及步骤。在对医学图像分割问题的起源、发展和研究现状进行简要综述的基础上，介绍了该领域当前的研究热点及论文的主要研究内容。1.1图像分割技术的现状和发展情况图像分割算法的研究已有几十年的历史，一直以来都受到人们的高度重视。关于图像分割的原理和方法国内外已有不少的论文发表，但一直以来没有一种分割方法适用于所有图像分割处理。传统的图像分割方法存在着不足，不能满足人们的要求，为进一步的图像分析和理解带来了困难。随着计算机技术的迅猛发展，及其相关技术的发展和成熟，结合图像增强等技术，能够在计算机上实现图像分割处理。其中最主要的技术是图像分割技术，从图像中将某个特定区域与其它部分进行分离并提取出来的处理。图像分割的方法有许多种，有阈值分割方法，边界分割方法，区域提取方法，结合特定理论工具的分割方法等。早在1965年就有人提出检测边缘算子，边缘检测已产生不少经典算法。越来越多的学者开始将数学形态学、模糊理论、遗传算法理论、分形理论和小波变换理论等研究成果运用到图像分割中，产生了结合特定数学方法和针对特殊图像分割的先进图像分割技术。尤其是近年来迅速发展起来的小波理论为图像处理带来了新的理论和方法。小波变换具有良好局部特性，当小波函数尺度较大时，抗噪声的能力强，当小波函数尺度较小时，提取图像细节的能力强，这样就可以很好地解决抑制噪声和提取图像边缘细节之间的矛盾。1.2图像分割主要研究方法图像分割是图像处理中的一项关键技术，自20世纪70年代起一直受到人们的高度重视，至今已提出了上千种各种类型的分割算法，现提出的分割算法大都是针对具体问题的，并没有一种适合于所有图像的通用分割算法，而且近年来每年都有上百篇相关研究报道发表。然而，还没有制定出选择合适分割算法的标准，这给图像分割技术的应用带来许多实际问题。因此，对图像分割的研究还在不断（论文）2深入之中，是目前图像处理中研究的热点之一。图像分割在图像工程中的位置它起着承上启下的作用，可以认为是介于低层次处理和高层次处理的中间层间。最近几年又出现了许多新思路、新方法、或改进算法。下面对一些经典传统方法作简要的概述。多年来人们对图像分割提出了不同的解释和表述，借助集合概念对图像分割可给出如下定义：令集合R代表整个图像区域，对R的图像分割可以看做是将R分成N个满足以下条件的非空子集R1，R2，R3，…，RN；（1）在分割结果中，每个区域的像素有着相同的特性；（2）在分割结果中，不同子区域具有不同的特性，并且它们没有公共特性；（3）分割的所有子区域的并集就是原来的图像；（4）各个子集是连通的区域；图像分割是把图像分割成若干个特定的、具有独特性质的区域并提取出感兴趣目标的技术和过程，这些特性可以是像素的灰度、颜色、纹理等提取的目标可以是对应的单个区域，也可以是对应的多个区域。图像分割方法有许多种分类方式，在这里将分割方法概括为四类：(1)边缘检测方法(2)区域提取方法(3)阈值分割方法(4)结合特定理论工具的分割方法。下面就这些方法展开介绍。1.2.1边缘检测法图像分析和理解的第一步常常是边缘检测。边缘检测方法是人们研究得比较多的一种方法，它通过检测图像中不同区域的边缘来达到分割图像的目的。边缘检测的实质是采用某种