基于gamma型模糊隸屬度函數(shù)-構(gòu)造的閾值分割算法開題報(bào)告

1、基于Gamma型模糊隸屬度函數(shù)構(gòu)造的閾值分割算法——開題報(bào)告,答辯人：,指導(dǎo)教師：,西安郵電大學(xué),,CONTENTS,,1,選題目的,,2,前期準(zhǔn)備,,3,要解決的問題,,4,工作思路及方案,,車牌識(shí)別,,人臉識(shí)別,圖像分割是圖像分析的基本、關(guān)鍵環(huán)節(jié)，為圖像的后續(xù)處理提供依據(jù)。分割是指將圖像劃分為構(gòu)成它的子區(qū)域。在解決圖像分割問題的諸多方法中，閾值分割法由于具有簡潔有效的特 點(diǎn)，因此受到廣泛關(guān)注。,由于圖像是對(duì)客觀存在物體的一種相似性

2、的生動(dòng)模仿與描述，是對(duì)物體的一種不完全、不精確的描述，因此，模糊集理論作為處理不精確信息的有力工具被廣泛應(yīng)用于圖像處理領(lǐng)域，其中，基于模糊理論及其推廣概念的閾值分割算法成為研究熱點(diǎn)之一。,,,研究此課題需要用到概率論與隨機(jī)過程（模糊集與散度的概念以及Gamma分布的特征等），dsp原理（與圖像處理有關(guān)的內(nèi)容）等課程作為理論基礎(chǔ)。,在課程相關(guān)的實(shí)驗(yàn)以及課程設(shè)計(jì)中所應(yīng)用到的matlab、ccs等平臺(tái)作為實(shí)驗(yàn)基礎(chǔ)。,轉(zhuǎn)化模糊集 找到最佳閾值

3、,,,1,,,2,,,3,局部最值問題,誤分割,構(gòu)造函數(shù)問題,現(xiàn)有的隸屬度函數(shù)構(gòu)造方法通常是根據(jù)所處理的具體對(duì)象從中選擇一個(gè)特定的隸屬度函數(shù)進(jìn)行分割，往往依賴于研究者個(gè)人喜好，容易忽略有價(jià)值的信息,這些代價(jià)函數(shù)所求的最值實(shí)際上是局部最值，而不是全局最值。 因此在考慮了直方圖邊界后這些算法可能會(huì)失效,由于這些算法只關(guān)注于直方圖而對(duì)圖像本身不關(guān)心，而圖像分割又是一個(gè)主觀性很強(qiáng)的任務(wù)，因此上述的算法可能在實(shí)際的操作中會(huì)遇到“誤分割”的問題。,

4、,,,,先確定一個(gè)處于圖像灰度取值范圍之中的灰度閾值，然后將圖像中各個(gè)象素的灰度值都與這個(gè)閾值相比較,并根據(jù)比較結(jié)果將對(duì)應(yīng)的象素分為兩類。這兩類象素一般分屬圖像的兩類區(qū)域, 包括目標(biāo)區(qū)域和背景區(qū)域，從而達(dá)到分割的目的。具體采用極大似然技術(shù)估算直方圖參數(shù)，通過二階微分估算直方圖模型數(shù)目，利用模型Gamma分布估算圖像視數(shù)，得到 Gamma 分布模型數(shù)M，圖像視數(shù)L ， 初始統(tǒng)計(jì)特征，完成圖像的分割，然后采用直方圖函數(shù)合適的位置作為閾值來最