毕业设计开题报告
基于matlab的图像形状与分类
系别：
班级：
学生姓名：
指导教师：
2011 年 11 月22日
毕业设计开题报告
附页：
基于matlab的图像形状与分类
一、研究的目的
数字图像处理是一门新兴技术，随着计算机硬件的发展，数字图像的实时处理已经成为可能，由于数字图像处理的各种算法的出现，使得其处理速度越来越快，能更好的为人们服务。数字图像处理是一种通过计算机采用一定的算法对图形图像进行处理的技术。数字图像处理技术已经在各个领域上都有了比较广泛的应用。图像处理的信息量很大，对处理速度的要求也比较高。MATLAB强大的运算和图形展示功能，使图像处理变得更加的简单和直观。本文介绍了MATLAB 语言的特点,基于MATLAB的数字图像处理环境，介绍了如何利用MATLAB及其图像处理工具箱进行数字图像形状的边缘提取和识别分类。论文主要论述了利用MATLAB实现对图像中的三角形正方形圆椭圆菱形的边缘提取和自动识别分类。
二、主要技术指标
对形状分析和分类的方法技术有许多。通常来说，形状特征表示方法可以分为两类：基于边界的和基于区域的。前者使用形状的外部边界，而后者使用整个区域。这两类形状特征的最典型的方法分别是傅立叶描述符、变形模板匹配和形状不变矩。此外轮廓匹配方法还有几何参数法、边界方向直方图法、小波重要系数法和小波轮廓表示法等本文主要采用的是几何参数法来判断给出的的图像是什么形状。
对于图像分类问题，特征提取的好坏是决定分类性能的关键因素。提取物体的形状特征前，首先要对图像进行边缘提取，以获得物体的轮廓边界，然后需要把轮廓边界区域的特征抽取出来。在这些特征里面，有一部分可以用数字量值来描述，但更多的特征是一些没有明显特征的几何图形。为了便于图像的匹配，需要对这些几何图形进行进一步的描述。图像中物体的性质不能因为图像的平移、旋转、比例尺度的改变而发生变化。所以，在进行形状描述时，选择的描述符应具有平移不变性、旋转不变性、尺度不变性等特点。不但如此，选择的描述符还应该能够刻画形状的本质特点，使得该描述符具有良好的可分辨能力。
图像特征选择的原则特征提取是对模式所包含的输入信息进行处理和分析，将不易受随机因素干扰的信息作为该模式的特征提取出来。特征提取过程是去除冗余信息的过程，具有提高识别精度，减少运算量和提高运算速度的作用。
矩形度
用目标图像的面积和包围该图像的最小的矩形面积之比作为目标矩形
度的一种度量参数，记为
R =
(1)
。其中0A 表示目标图像的面积，R A 表示包围该图像的最小矩形的面积。R 的大小能反映目标物体和矩形的接近程度。矩形度的值限定在0到1之间。
圆形度
对于面积一定的图形，一半周长越小，圆形表面越光滑，越接近圆；反之，周长越大，则圆形表面褶皱越多，形状也就越复杂。基于这个原因，一般采用圆形度来衡量图形偏向圆形状的程度。形状的圆形度是指目标物体的周长平方和其面积之比，记为
2
4P c A
π= (2) 其中：P 表示图形的周长，A 表示周长所围的面积。理论上讲，元的圆形度为1.0，正方形的圆形度为4π=0.79，正三角形的圆形度为(9=0.60.
三、工作思路
1．确定用Canny 算子对图像进行边缘提取，得到边缘图像。
2．对边缘图像进行轮廓跟踪，得到外轮廓图像对外轮廓图像进行预处理：首先平滑轮廓线得到连续的轮廓线，采用自适应二值化的方法二值化该轮廓线，再细化轮廓线。最后得到清晰的连续平滑、单像素、二值化的外轮廓图像。
3．计算目标区域的七个不变矩，构成这幅图像的形状特征向量。
4．介绍了基于matlab 对图像特征进行提取并根据其圆形度和矩来对图形进行判断的设计思路，同时给出了对应的结果分析。
四、课题的准备情况及进度计划
第一周--第二周：翻阅大量的书籍，期刊，以及上网查询有关本次毕业设计的相关资料。 第三周--第五周： 在查阅大量资料的基础上对学习MATLAB 软件的相关知识，完成初步设计。
第六周—第七周: 进行毕业设计，确定设计方案。
第八周—第十周: 编写MATLAB 相关的应用程序，进行软件调试。逐步完善设计方案,
实现功能。
第十一周—第十二周: 将以上的工作编制成论文形式
第十三周—第十四周: 完成毕业论文，本专业英语译文3000字符以上，进行总结，准
备答辩。
五、参考文献
(1)陈纯：计算机图像处理技术与算法．北京：清华大学出版社，2003年
(2)孙兆林：MATLAB 6．X图像处理．北京：清华大学出版社，2002年
(3)韩晓军苗长云王亚青：基于标准图像文件格式的数字图像处理方法（J）．阜新：
辽宁工程技术大学学报(自然科学版)．2000，1 9(4)：416～463；
(4) 周新伦柳健,刘华志. 数字图像处理. 北京: 国防工业出版社, 1986年
(5)徐飞等编著：MATLAB应用图像处理．西安：西安电子科技大学出版社，2004年
(6)霍宏涛等：《数字图像处理》北京：北京理工大学出版社，2002年
(7)范立南等编著：《图像处理与模式识别》北京：科学出版社，2007年
(8)曹茂永等编著：《数字图像处理》北京：北京大学出版社，2007年
(9)刘禾：《数字图像处理及应用》北京：中国电力出版社，2006年
(10)阮秋琦：《数字图像处理学》北京:电子工业出版社,2001
(11)张志涌：精通MATLAB6. 5. 北京: 北京航天航空大学出版社,2003
(12) Chua L O, Yang L., Cellular neural networks Theory[ J], IEEE Trans. Circuits
Syst, 1988, 35(10): 1257~1272
(13) L.O.Chua, CNN:A Paradigm for Complexity, World Scientific Series On
Nonlinear Science, 1998
(14)Sudeep Sarkar, Kim L.Boyer, On Optimal Infinite Impulse Response Edge
Detection Filter, IEEE Trans. Pattern Analysis and Machine Intelligence, Vol.13, No.11, pp.1154-1170, Novmber 1991
(15) L.O.Chua, CNN: A Vision of Complexity, International J. of Bifurcation and
Chaos Vol.7, No.10(1997): 2219-2425
(16)Leon O.Chua, Lin Yang, Cellular Neural Networks Application, IEEE
Transactions on Circuits and Systems, 1988, Vol.35,No.10,pp1273~1290
