1.課題研究的背景
圖像分割是把圖像分成幾個特定的區域，然後提取出所需的對象目標的技術和過程。由於圖像分割是從圖像處理到圖像分析的重要一步，所以自從它的產生到現在，一直受到人們的高度重視。而且圖像分割的結果是圖像特徵提取和識別等圖像理解的基礎，對圖像分割的研究也一直是數字圖像處理技術的焦點和熱點。它主要起源於上世紀70年代的電影行業，從圖像分割技術產生發展到現在的這幾十年中，隨着我們科技的不斷進步，我們也提出了許多種圖像分割的算法，並且也有了不小的成績，而且圖像分割也已經在我們的生活中的各個領域得到了廣泛的應用，例如在在線產品檢驗、生產過程控制、文檔圖像處理、工業自動化、遙感、生產過程控制和生物醫學的圖像分析，以及體育、農業、軍事工程等方面。總的來說，一方面研究人員不斷地改進原有的分割方法並將其應用於其他領域。另一方面，越來越多的學者開始將數學形態學、模糊理論、遺傳算法理論、分形理論和小波變換理論等研究成果運用到了圖像分割中，提出了一些更先進的方法。但是，到目前爲止我們還沒有一種較爲通用的分割方法[2]，我們目前所提出的各種方法，它們大都是在分析了具體的問題後纔來提出的，並不一定適用於其他的問題。另外，正是由於這一點，目前我們也還沒有制定出合適的圖像分割算法的標準，也因此我們的目標識別的方法也是不確定的。在實際的生活中，還存在着許多的問題有待我們去解決。
其實，早在上世紀60年代就有人提出了邊緣檢測方法，也因此產生了不少經典的圖像分割算法[3]。由於圖像分割技術在圖像處理及圖像分析的過程中的重要作用，越來越多的學者都開始將注意力轉到尋找新的理論和方法來提高圖像分割的質量，以滿足人們在實際生活中各方面的需求。目前有許多學者嘗試着將遺傳算法理論、數學形態學、小波變換理論、分形理論和模糊理論等研究成果運用到圖像分割中，產生了結合特定數學方法和針對特殊圖像分割的先進圖像分割技術，例如多種特徵融合的分割方法，多種分割方法結合的分割方法等。
2.課題研究的意義
在圖像分割技術產生與發展的這幾十年中，越來越多的學者開始將數學形態學、模糊理論、遺傳算法理論、分形理論和小波變換理論等研究成果運用到了圖像分割中，產生了結合特定數學方法和針對特殊圖像分割的更先進的圖像分割技術，但是現階段還是沒有一種通用的分割方法，有很多問題還有待我們去解決。由於沒有一種通用的分割算法，所以當我們在使用一種分割算法後，還需要對目標進行識別，那選擇一種什麼樣的識別方法才能更好更簡便的把目標給識別出來呢？這就是我這個課題所要研究的。在選定一種分割方法後，比較幾種不同的目標識別方法，選出一種相對較好的目標識別方案。
自動彩***像分割算法，通過集成邊緣漸變貼圖插件提取和種子區域生長在YUV色彩空間。在Y，U和V的邊緣由一個各向同性的邊緣檢測器檢測，三個部分相結合，以獲得邊緣，相鄰邊緣區域的重心被作爲初始的種子。
Hausdorff距離是描述兩組點集之間相似程度的一種量度，它是兩個點集之間距離的一種定義形式。它的優點是計算比較容易，但是匹配度不好，如果目標圖像中的噪聲過多，那麼它的匹配的精確度就會被影響。
主元分析法，即Principal Components Analysis（PCA），是一種統計技術，經常應用於人面部識別和圖像壓縮以及信號去噪等領域，是在高維數據中提取模式的一種常用技術。我們可以通過主元分析法（PCA）對數據進行降維處理，將多個變量降維，以便於我們計算與分析圖像。
3.課題研究的內容
1.設計基於區域生長技術的彩***像分割算法；
2.討論圖像分割算法性能指標的評估；
3.學習Hausdorff距離、imagecontext、主元分析等幾種目標識識別方法並作比較和討論；
4.用MATLAB做實驗驗證，根據實驗仿真的結果得出相應的結論，以及該方法的不足之處和改進之處。
4.課題研究的方法
我們可以使用MATLAB 軟件對圖像分割算法進行仿真測試，同時我們也可以採用圖像庫測試(Berkeley data set)[17]。在實驗過程中，我們會用到視頻片段。我們可以利用現有的，也可以自己錄製視頻片。最後對於不同的目標識別方法，都會有一系列的性能指標，主要有目標的識別率，識別的的誤差，噪聲的影響等等，然後我們就可以通過這些性能指標來比較Hausdorff距離、image context、主元分析等幾種目標識識別方法的各自的優缺點，最後得出我們的結論