1. 研究目的与意义及国内外研究现状

目前，科学技术在不断进步、提高，是互联网高速发展的信息时代，人们每天都需要处理大量来自测量或者观察到的信息数据，以备进一步的管理和使用。图像信息具有直观、易懂、形象和信息量大等特点，在人类接受、处理和传递信息的过程中起着非常重要的作用。因此，图像是我们在日常的生产、生活中接触最多的信息种类之一（大约占到了我们所获得的信息总量的3/4左右），也是人类最重要和最有效的信息传递和获取方式。然而，在我们所获得的大量图像信息中，并不是所有的信息内容都是所需要的，这就要求我们对所得到的图像进行适当的加工处理，从而满足人们在各种不同情况下的需求。通过分析发现，有用的信息大多存在于图像中的某一些特定的区域中，所以我们需要通过一些技术方法把这些特定的区域与其他的区域区分开来。图像分割技术就是将输入图像分割成若干有意义的目标区域的技术。

图像分割作为图像处理领域中的基础研究问题，在图像处理中有着非常重要的作用，自从被提出开始就一直受到了学者们的高度重视。图像分割作为图像处理的前期阶段，在实际生活和工作中都有着广泛的应用，一直是图像处理领域的热点和难点问题。图像分割对于图像目标的提取和检测是不可或缺的一部分，是计算机视觉领域中的关键技术之一。它通过灰度、颜色、纹理等特征信息将图像分割成若干个特定的、具有独特性质的区域，并从中提取出感兴趣区域，在生物医学、人脸识别、遥感图像处理等众多领域都得到了广泛的应用。例如，在医学影像中，对乳腺肿块图像中的特定区域进行分割，可以有效的对肿块的良性和恶性进行检测、识别；在遥感图像中，依据不同的颜色和纹理信息，能够快速的对目标区域进行分割从而为后续的识别奠定基础；在图像检索中，可以利用图像分割方法将感兴趣的目标提取出来，然后再利用后续的方法进行特定目标的检索。

在图像处理中，人们通常只是对图像中的某些目标感兴趣，而这些目标又常常位于其中的不同区域。要完成对图像中的目标进行特征参数的测量提取或者检测识别，就必须先把图像按照一定要求分成一些“有意义”的区域，这就是图像分割所要完成的工作。这里的“有意义”是指分割后的区域能分别和图像中的各目标物（或背景）相对应，即把背景区域和目标所在区域区分开来。例如，要识别遥感图像中的田地、建筑、荒地等区域，首先就需要将这些区域从遥感图像中分割出来，然后进行分类识别；要对图像中的某些文字、数字进行识别，也需要将这些文字和数字区域先分割出来；要把细胞的染色体在显微照片中识别和标记出来，同样需要用到图像分割技术。因此，图像分割作为图像分析中的一个重要步骤，其分割结果的好坏将会直接影响到目标物特征的提取和描述，以及进一步对目标物的识别、分类和图像理解。

2. 研究的基本内容

1.总结图像分割问题的国内外研究现状，比较几种常用方法的优缺点，分析超像素分割算法、dbscan聚类算法和谱聚类算法解决该类问题的优势与劣势。

2.理解超像素分割算法和聚类算法的基本原理，掌握slic超像素分割算法、dbscan聚类算法和谱聚类算法的实现方法，总结超像素分割算法和聚类算法的特点、应用领域和国内外研究现状（包括目前已有的改进方法）。

3. 实施方案、进度安排及预期效果

1.实行方案

首先，明确slic超像素分割算法、dbscan聚类算法和谱聚类算法的定义以及流程，并使用matlab软件编程分别实现；其次，针对两种聚类算法计算复杂度高、耗时多的问题，运用slic超像素分割算法和nystrom谱聚类算法降低复杂度又不会影响结果精确度的特点，提出把slic超像素分割算法分别与dbscan聚类算法和nystrom谱聚类算法相结合的思想，提出两种新的图像分割算法：联合slic超像素和dbscan聚类的图像分割算法、联合slic超像素和nystrom谱聚类图像分割算法，并用matlab软件编程实现；再次，把编制的两种基于超像素聚类的图像分割算法应用于不同类型的图像（包括自己拍的日常生活中的图像）中。通过对参数的不断测试，改进两种基于超像素聚类的图像分割算法，选取若干个不同类型、不同用途、不同功能的图像进行处理，并根据实际需求设置相应的参数实现对算法的优化，研究参数的不同取值对算法性能的影响；最后，对两种算法对不同类型图像的处理结果进行讨论，对比两种算法的优点和缺点并分析原因，提出两种算法适用的图像类型，做出算法下一步改进计划以及对未来的展望。

4. 参考文献

[1]罗希平, 田捷, 诸葛婴,等. 图像分割方法综述[j]. 模式识别与人工智能,1999(3):300-312.

[2]梁利利. 变电站红外图像的识别与故障诊断[d].西安科技大学, 2010.

[3]陈相廷, 张偌雅, 渠星星,等. slic超像素分割在医学图像处理中的应用[j].现代计算机:普及版,2015(12):52-56.