1. 研究目的与意义
对彩色的感知是人类视觉系统固有的能力，人眼把不同频率的电磁波感知为不同颜色。随着技术的进步，彩色图像采集设备和处理设备得到广泛的普及和应用。彩色图像的应用越来越广泛，彩色图像比灰度图像提供更多信息，对彩色图像处理的研究也越来越受到人们的关注。
多年来，对图像分割的研究一直是图像技术研究中的热点和焦点，人们对其的关注和投入不断提高。 它是一种重要的图像分析技术，是从图像处理到图像分析的关键步骤，也是计算机视觉领域低层次视觉中的主要问题，图像分割结果是图像特征提取和识别等图像理解的基础，对图像的加工主要处于图像处理的层次，图像分割后，对图像的分析才成为可能。另外，图像分割在实际中也得到了广泛的应用，在计算机视觉和图像识别的各种应用系统中占有相当重要的地位，也是研制和研发计算机视觉系统、字符识别和目标自动获取等图像识别和理解系统首先要解决的问题。只要需对图像目标进行提取，测量等都离不开图像分割。
2. 课题关键问题和重难点
课题关键问题：
1、 数字彩色图像分割、图像去噪的相关理论知识和方法的理解掌握。
2、 彩色图像、图像空间与图像噪声的概念、基本原理和相关性质的理解及使用。
3. 国内外研究现状（文献综述）
人们对灰度图像进行的研究较早,算法也相对成熟。随着技术的进步，彩色图像使用的越来越多，彩色图像分割在最近几年越来越引起了人们的重视，与灰度图像相比，彩色图像不仅包括亮度信息，而且还有更多的有效信息，如色调、饱和度，实际上同样景物的灰度图像所包含的信息量与彩色图像难以相比，人类对色彩的感知更敏感，一幅质量较差的彩色图像似乎比一幅完美的灰度图像更具有吸引力。因此，对彩色图像分割方法的研究有利于克服传统的灰度图像分割方式的不足，是一个更加广阔的研究领域。
计算机网络以及多媒体技术的应用普及，要求以更多形式的数据交换信息，其中，图像是一种重要的形式，如何提高图像的存储、检索、传输效率显得尤为重要。近年来，基于内容、基于色彩以及基于纹理的图像技术成为多媒体数据库技术研究的一大热点，而其中最基础的技术也就是彩色图像的分割。最简单的彩色图像分割方法是直接将彩色图像转化为灰度图像，然后将彩色图像按灰度图像进行分割，该方法由于忽略了颜色信息和亮度信息之间的关联，因而分割效果并不理想。
彩色特征聚类是阈值概念的多维扩展，通常是将彩色图像看成是具有各自灰度级的红、绿、蓝或者其它颜色空间三副图像，这样在每一色彩分量上可得到不同的直方图，然后利用灰度图像的分割技术分别确定各自的阈值后，将结果组合起来，并映射到空域构成分割的彩色图像。用这种方法得到的分割结果往往会出现彩色聚类相互重叠，因为有时仅依赖色彩分割是不全面的。另外，如果彩色图像直方图一般尖峰不明显，各色彩的阈值难以确定，同时，像素的色彩映射达到三个不同的直方图上，色彩信息被耗散。所以，目前，彩色图像的分割已转移到如何有效的综合利用彩色图像的三通道信息方面。Sergey N.Krjukov等提出了使用神经网络进行彩色图像的分割方法。他们在RGB颜色空间中将图像的每个像素表示为一个由R、G、B本身的值及其均值和方差这9个特征分量组成的特征向量，并作为神经网络的输入层进行图像分割，其输出层神经元对应于预先定义的要分割的颜色数。采用Sergey N.Krjukov的方法，存在两个限制，一是它需要有一个学习过程，即预先要给定一副示教图像让其学习以产生正确的输出，二是必须给出输出层结点的神经元数量，也就是说事先必须知道分割出的图像的颜色数。事实上，许多图像输出的颜色数是不一致的。因此，这一算法在很大程度上受到了限制。
4. 研究方案
本课题拟采用HIS彩色空间分割法、RGB向量空间分割法、基于彩色边缘检测的分割法、均值滤波法、中值滤波法与小波法方法实现彩色图像分割与去噪处理，具体方案如下：
(一) 彩色图像分割的方法：
1、HIS彩色空间分割：首先，彩色图像被转化到HIS颜色空间，图像分解成彩色通道（H和S向量）和亮度通道（I分量），然后对彩色通道和亮度通道采用对应算法进行分割，然后将分割后的结果进行组合，得到最终分割结果。
5. 工作计划
第一周：完成英文翻译，查阅有关毕业设计的专业文献资料
第二周：复习数字图像处理基础知识，加深对毕业设计课题的理解
第三周：熟悉MATLAB和C语言使用，练习编程
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。
