机械零件图像分割系统设计开题报告.doc

无锡太湖学院毕业设计（论文）开题报告题目：机械零件图像分割信机系机械工程及自动化专业学号：学生姓名：指导教师：（职称：教授）（职称：）科学依据1科学依据图像分割是图像处理与计算机视觉领域低层次视觉中最为基础和重要的领域之一，它是对图像进行视觉分析和模式识别的基本前提。图像分割是从图像处理到图像分析的关键技术。图像分割的种类和方法很多，有些分割算法可直接用于任何图像，而另一些算法只能适用于分割特殊类别的图像。有些算法需要先对图像进行粗分割，因为它们需要从图像中提取出来的信息。没有唯一的标准的方法。分割结果的好坏需要根据具体的场合要求衡量。早期的图像分割方法可以分为两大类。一类是边界方法，这种方法假设图像分割结果的某个子区域在原来图像中一定会有边缘存在；一类是区域方法，这种方法假设图像分割结果的某个子区域一定会有相同的性质，而不同区域的像素则没有共同的性质。这两种方法都有优点和缺点，有的学者考虑把两者结合起来进行研究。现在，随着计算机处理能力的提高，很多方法不断涌现，如基于彩色分量分割、纹理图像分割。所使用的数学工具和分析手段也是不断的扩展，从时域信号到频域信号处理，小波变换等等。图像分割主要包括4种技术：并行边界分割技术、串行边界分割技术、并行区域分割技术和串行区域分割技术。尽管人们在图像分割方面做了许多研究工作，但由于尚无通用的分割理论，现已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的分割算法。另一方面，给定一个实际图像分割问题要选择合用的分割算法也还没有标准的方法。2国内外研究概况随着技术的进步图像使用的越来越多对图像的分割也越来越引起人们的重视。据国外专家预测，在今后的510年内，随着数据量的日益积累以及计算机的广泛应用，数据挖掘将在中国形成一个产业。国内外研究动态1989年8月，在第11届国际人工智能联合会议的专题研讨会上，首次提出“在数据库中的知识发现”KDD:KnowledgeDiscoveryinDatabase技术，1991、1993、1994年又相继举行了KDD专题讨论会。1995年，在美国计算机年会ACM上，提出了数据挖掘DM:DataMining的概念，即通过从数据库中抽取隐含的、未知的、具有潜在使用价值信息的过程。由于数据库中的数据被形象地比喻为矿床，因此，数据挖掘一词很快流传开来。由于它应用的普遍性及由此带来的高效益，新型的数据分析技术-数据挖掘成为一个具有广阔应用前景的热门研究方向。KDD的研究吸引了大量的各个领域的专家和研究机构从事该领域的研究。许多公司纷纷推出了自己的数据挖掘系统。研究内容(一)主要任务学习图像分割的基础知识，了解图像融合和图像分割的现状，掌握图像分割的基本原理及应用。了解并掌握Matlab的开发环境,利用Matlab写出算法程序并运行，从而对给定图像进行分割。（二）开发设计环境与工具采用matlab作为开发语言，用MATLAB编程仿真，比较原始图像和重构图像。拟采取的研究方法、技术路线、实验方案及可行性分析（1）实验方案将俩幅模糊原始图像经过AVE、PCNN、SF-PCNN等方法融合得到一幅较清晰图像，再用基于热平衡中智学分割法对图像进行图像分割，比较分割结果。探究最适合图像分割系数w（2）研究方法融合条件下，分析一个图像的原始图像和重构图像的差别。在不同系数w下比较图像分割结果。研究计划及预期成果研究计划：2012年11月12日-2012年12月25日：按照任务书要求查阅论文相关参考资料，填写毕业设计开题报告书。2012年11月26日-2013年3月5日：填写毕业实习报告。2013年3月8日-2013年3月14日：按照要求修改毕业设计开题报告。2013年3月15日-2013年3月21日：学习并翻译一篇与毕业设计相关的英文材料。2013年3月22日-2013年4月11日：MATLAB程序设计。2013年4月12日-2013年4月25日：图像分割设计。2013年4月26日-2013年5月25日：毕业论文撰写和修改工作。预期成果：达到预期的实验结论：融合俩幅原始图像，得到较清晰融合图像。对图像进行分割，比较图像分割的结果，探究最适合图像分割的系数w。特色或创新之处使用MATLAB编程仿真，效果明显，方便改变参量，能够直观判断实验结果。采用固定某些参量、改变某些参量来研究问题的方法，思路清晰，简洁明了，行之有效。已具备的条件和尚需解决的问题实验方案思路已经非常明确，已经具备使用MATLAB编程仿真的能力和图像融合、图像处理方面的知识。使用MATLAB编程的能力尚需加强。指导教师意见指导教师签名：年月日教研室（学科组、研究所）意见教研室主任签名：年月日系意见主管领导签名：年月日