1. 研究目的与意义（文献综述）

图像分割是计算机视觉领域的一个重要的研究方向，在上世纪七十年代开始就开始被人们运用在医疗、工业、军事等领域中，而现在热门的自动驾驶也需要使用到图像分割去处理摄像头实时产生的图片来区分道路上不同的目标，比如行人，道路，指示牌等等。

图像分割的目的是简化或改变图像的表示形式，使得图像更容易理解和分析。图像分割通常用于定位图像中的物体和边界（线，曲线等）。更精确的，图像分割是对图像中的每个像素加标签的一个过程，这一过程使得具有相同标签的像素具有某种共同视觉特性。图像分割的结果是图像上子区域的集合（这些子区域的全体覆盖了整个图像），或是从图像中提取的轮廓线的集合（例如边缘检测）。一个子区域中的每个像素在某种特性的度量下或是由计算得出的特性都是相似的，例如颜色、亮度、纹理。邻接区域在某种特性的度量下有很大的不同。

从分割的方法讲，有基于区域相关的分割法和基于点相关的分割法。按照算法，有阀值法、界线探测法、匹配法等。现提出的分割算法大都是针对具体问题的，并没有一种适合所有图像的通用分割算法。这一技术通常要与相关领域的知识结合起来，这样才能更有效的解决该领域中的图像分割问题。

2. 研究的基本内容与方案

基本内容与目标：

1、 复习数字图像处理和数值分析，以及matlab图像处理

2、对以下算法进行理论分析与实验对比：1. 经典边缘检测算子，2.marr 边缘检测法，3. 小波变换多测度边缘检测法，4. 模糊边缘检测法，5. 模糊聚类分割法。

3. 研究计划与安排

(1)2019/1/19—2019/2/28：确定选题，查阅文献，外文翻译和撰写开题报告；

(2)2019/3/1—2019/4/30：系统架构、程序设计与开发、系统测试与完善；

(3)2019/5/1—2019/5/25：撰写及修改毕业论文；

4. 参考文献（12篇以上）

[1] marr, d.;hildreth, e. (29 feb 1980), "theory of edge detection", proceedingsof the royal society of london. series b, biological sciences, 207 (1167):187–217, doi:10.1098/rspb.1980.0020, pmid 6102765

[2] long j, shelhamere, darrell t. fully convolutional networks for semantic segmentation. in: proc.of the 28th ieee conf. on cvpr. washington: ieee computer society, 2015.1337#8722;1342. [doi: 10.1109/cvpr.2015.7298965]

[3] zhao, hengshuang,shi, jianping, qi, xiaojuan, wang, xiaogang, and jia, jiaya. pyramid sceneparsing network. arxiv preprint arxiv:1612.01105, 2016.