1. 研究目的与意义
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。现有的图像分割方法主要分以下几类：基于阈值的分割法、基于边缘检测方法、基于区域增长法、基于知识形态学的分割法、基于遗传的分割法、基于信息论的图像分割法、基于神经网络分割法等。从数学角度来看，图像分割是将数字图像划分成互不相交的区域的过程。图像分割的过程也是一个标记过程，即把属于同一区域的像索赋予相同的编号。
观察图像分割技术的成长历程，可以发现三个相当明显的发展趋势。其一，在实际生活中，图像分割技术的使用领域显得更加特殊化。随着多媒体技术、计算机互联网技术和机器人技术的不断进步，图像分割技术也在快速前进，努力向更高层次发展。从八十年代中期开始，图像分割技术逐渐在不同领域获得巨大的研究成果。其二，越来越多的新观点、新方法被加入到图像分割技术中来。例如，最近常引起人们重视的小波分析、神经网络与遗传算法、信息论等知识理论都前后被引用到图像分割领域中来。新的理论有其特有的性质，可以与之前的理论相结合，弥补彼此的缺陷，从而使最终的分割效果变得更加理想。其三，多种分割算法的有效结合。算法结合是近年来一种有效的、快速发展的趋势，以至过去单一分割算法的研究思路被逐渐完全取代。合理运用两种以及两种以上的分割方法，不仅可以保留单一图像分割方法的优点，而且能够弥补单一图像分割方法所面临的不足。
为了寻找快速有效的图像处理方法，信息理论越来越多地渗透到图像处理技术中。信息论是运用概率论与数理统计的方法研究信息、信息熵、通信系统、数据 传输、密码学、数据压缩等问题的应用数学学科。它主要是研究通讯和控制系统中普遍存在着信息传递的共同规律以及研究最佳解决信息的获限、度量、变换、 储存和传递等问题的基础理论。利用信息论进行图像分割，能够更好的达到我们想要的分割技术。
2. 研究内容与预期目标
一.研究内容
在对图像进行应用时，许多人通常仅对各个图像里的特定部分感兴趣。对于图像中部分具有独特性质的区域，也就是学者感兴趣的区域，往往被称作目标。同样的，不感兴趣的区域就称之为背景。如果想要对目标实施下一步运用，我们首先要将感兴趣的部分分离出来，再对目标识别与分析。图像分割是指把图像中认为有独特性质的部分如图像的区域、边缘等给划分分离出来的过程。对于选定的目标，可以选择是多个区域的，可以选择是单个区域的。
图像分割技术是最基本的模式识别技术与机器视觉技术，并且图像会在其基础上进行下一步的图像分析、识别与理解。此外，图像分割技术具有很大的理论意义。因为图像最终分割结果的好坏会对系统的各个模块性能造成最明显的影响。会受到影响的性能包括：参数描述是否可靠、模式识别是否准确，特征提取是否有效。
3. 研究方法与步骤
一、研究方法
本文研究基于信息论的图像分割算法，利用信息论中信息熵衡量信息量的大小的这一特征归纳出相应的几种图像分割算法。在图像分割中我们根据所得目标图片的信息量最大的这一期望，引出了最大熵图像分割算法，即最佳分割阈值所分割得出的目标图片区域与背景图片区域的信息熵最大，依照这个最佳分割阈值而得出的分割图像就是我们想要得到的分割结果；并在此基础上提出了二维最大熵的图像分割算法，这种算法中我们利用了灰度和邻域平均灰度值所构成的二维直方图来求取最佳阈值。
图像分割本质上是一个数据聚类问题，自动判断分割数目是实现图像自动分割的关键因素。本毕业设计将以信息论为基础，从图像固有的统计直方图和假设模型概率分布入手，对两种分布的差异程度进行深入研究，拟提出一种图像分割数目的自动判定方法，从而实现图像的自动分割。
4. 参考文献
1沃焱, 金璇. 一种基于图的彩色图像分割算法[J]. 华南理工大学学报:自然科学版, 2016, 44(9):1-8.
2张莉, 叶志伟, 王明威. 基于差分进化的二维熵图像分割[J]. 应用科学学报, 2016, 34(1):58-66.
3徐秋晔, 李玉, 林文杰,等. 基于信息聚类的遥感图像分割[J]. 中国矿业大学学报, 2017(1):209-214.
5. 工作计划
3.05--3.20，熟悉课题背景，查阅资料，完成开题。
3.21--4.20，开展课题工作，完成课题的主要实验工作。
4.21--5.20，撰写毕设论文初稿。
以上是毕业论文开题报告，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。
