重慶大學本科開題報告范本

　　畢業設計（論文）開題報告

　　1、課題的目的及意義（含國內外的研究現狀分析或設計方案比較、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。在對圖像的研究和應用中，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），它們一般對應圖像中特定的、具有獨特性質的區域。這里的獨特性質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域并提取出感興趣目標的技術和過程?1?。

　　聚類是人類的一項最基本活動，在自然科學和社會科學中，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，分類預先就制定好標準，而聚類沒有預先制定好的標準。以不同的標準進行分類，會得到不同的結果，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。數據通過聚類以后，進行其他的數據處理，如數據匯總等，就可以提取出數據特征，為制定各種方案和決策提供理論上的依據。

　　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域，從而將人們感興趣的區域從復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域中一類極其重要和應用相當廣泛的算法，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國內外發展現狀

　　圖像分割的方法已有上千種，每年還有許多新方法出現，典型而傳統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，也是計算機視覺領域低層次視覺中的主要問題。多年來，彩色圖像分割技術一直在工業自動化控制、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用領域得到相當廣泛的應用。總的來說，彩色圖像分割的方法可以分為基于像元、區域、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性。

　　目前聚類分析在許多實際問題上都有應用，應用的領域涉及商務、生物學、信息檢索、氣候、心理學和醫學等等?2?。聚類算法不需要訓練樣本，因此，聚類是一種無監督的統計方法。因為沒有訓練樣本值，聚類算法迭代的執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練集，但是需要有一個初始分割提供初始參數，初始參數對最終分類結果影響較大。另一方面，聚類也沒有考慮空間關聯信息，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用得較為廣泛，其中尤以K-means算法應用較多。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對聚類結果影響；(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）圖像數據信息的預處理；（2）初始聚類中心的選擇；（3）聚類個數K的確定；（4）相似度和聚類目標函數的選擇。

　　國內的研究如：華東交通大學的周新建和涂宏斌從效率方面考慮，選用Tanimoto系數作為類別判定準則，即Tanimoto測度對算法進行改進，使缺陷圖片的邊緣更加清晰，分割結果既突出了目標，又保留了細節，獲得較好的分割效果?3?；鄭州大學李翠和馮冬青從初始聚類中心和相似度方面考慮，利用數理統計的方法獲取優化的初始聚類中心，同時引入加權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的計算入手，提出聚類中心預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等針對傳統的k-means有可能出現局部最優的情況,提出了從一個合適的位置開始，通過每執行一次增加一個聚類中心的方式達到全局最優方法?6?；Adil M. Bagirov也提出了通過使輔助的聚類函數極小后獲得第k個聚類中心的另一種全局最優的聚類算

　　2、課題任務、重點研究內容、實現途徑

　　2.1課題的主要任務

　　（1）查詢、翻譯相關的資料，學習圖像處理和聚類算法，熟悉課題涉及的內容，初步了解課題的主要任務，同時學習MATLAB的編程知識，掌握與圖像處理和k-means相關的編程技巧；

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

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

　　2.2課題重點研究的內容

　　本次課題重點研究的內容針對傳統的k-means算法在彩色圖像分割中的缺點進行改進。傳統的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，而不是全局最優；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課題的實現途徑

　　通過查閱文獻，仔細思考，初步確定了課題的實現途徑：

　　首先弄清楚傳統的k-means算法的原理及其在彩色圖像分割中如何應用，并了

　　10?解MATLAB的編程環境及傳統的k-means如何在MATLAB中如何實現?8，；然后

　　通過原圖和用傳統的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，獲得最終的結論?9?。

　　在MATLAB中實現過程如下：

　　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：得出結論。

　　參考文獻

　　[1]張德豐等.MATLAB數字圖像處理 第2版[M].北京：機械工業出版社，2012.1

　　[2]元昌安等.數據挖掘原理與spss clementine應用寶典[M].北京：電子工業出版社，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：鄭州大學電氣工程學院，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. 數字圖像處理（Matlab版）[M]. 北京:電子工業出版社, 2005.

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

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

　　3、進度計劃

　　學生簽名：

　　年 月 日

　　4、指導教師意見

　　指導教師簽名：

　　年 月 日