文献综述
摘要：图像分割就是把图像分成若干个特定的、具有独特性质的区域并提出感兴趣目标的技术和过程，它是由图像处理到图像分析的关键步骤，所以也一直是计算机视觉领域的热点内容。自然图像由于其包含的纹理、颜色和轮廓等信息，一直是图像分割领域一个具有挑战性的课题。本文通过分析国内外专家学者对自然图像分割研究的总体概况，梳理、总结了相关文献，拟结合研究现状，对于目前的自然图像分割算法的实现和优化开展进一步的研究。
关键词：图像分割；自然图像；
1 前言
图像分割是图像处理中最为基础和重要的领域之一，它是指把图像分成各具特性的区域并提取出感兴趣目标的技术和过程。它是图像处理、模式识别和人工智能等多个领域中的重要课题，也是计算机视觉技术中的关键步骤。多年来，已经提出了许多不同类型的图像分割方法。经典的方法有灰度阈值分割法、边缘检测法和区域跟踪法等。有些分割运算可直接应用于任何图像，而另一些只能适用于特殊类别的图像。有些算法需要先对图像进行粗分割，因为他们需要从图像中提取出来的信息。例如，可以对图像的灰度级设置门限的方法分割。值得提出的是，还没有唯一的标准的分割方法。许多不同种类的图像或景物都可作为待分割的图像数据，不同类型的图像，已经有相对应的分割方法对其分割，同时，某些分割方法也只是适合于某些特殊类型的图像分割。分割结果的好坏需要根据具体的场合及要求衡量。
近年来，随着现代化科学技术的迅猛发展，需要分析的图像越来越复杂，像自然图像这一类的图像分割课题开始成为图像分割问题中比较热点的问题。由于此类图像中的物体元素较多，并且自然环境的图像背景与目标区别不明显，目标物体内部的纹理、明暗变化以及外部的光照、可视角度等因素都会使分割难度大大增加。如何在分割这类图像时依然保持优秀的准确度、效率和质量，是本课题的研究重点。
2 国内外相关研究
2. 2 传统的图像分割技术
图像分割算法的基本思想有两种。第一种思想是根据已制定的规则将像素分成相似的或者说一致的区域，比如阈值分割、区域生长等方法都是在这种思想的基础上发展出来的。第二种思想则是通过寻找像素特征突变，或者说像素特征不连续的边界，即通过寻找区域的边缘来进行图像分割。本文中将传统的图像分割算法分为以下不同的三类：第一类是基于阈值的图像分割技术，第二类是基于边缘的图像分割算法，第三类是基于区域特征的图像分割技术。
2.2.1 基于阈值的图像分割技术
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
